llm-attribution

论文提出 ForgePrint（搜索-蒸馏框架），通过定向改写将一个模型的输出伪装成目标模型的指纹，使归因分类器误判来源模型，在 CNN/DM 上达到 70.2% 的目标成功率，说明文本归因不能等同于来源真实性。

本文使用基于扰动的归因分析方法，分析了不同微调策略（全量微调、LoRA、量化LoRA）和模型规模对LLM在自动代码合规性任务中解释行为的影响。研究发现全量微调产生的归因模式比参数高效方法更集中，而较大的模型会形成特定的解释策略，但性能收益在超过7B参数后出现递减。