arXiv · Machine Learning· Wenxi Dai, Jingyu Hu, Yanting Yang, Mengnan Du·2026-11-02 13:00· 8 小时前AI 评分47

语言模型成员身份信号的机制分析：从表征到读出

From Representation to Readout: Mechanistic Analysis of Membership Signals in Language Models

AI 导读

研究人员对大语言模型（LLM）的成员身份推断信号进行机制分析，提出 Decodable Information Score、Used Information Score 和 Readout Accessibility Gap（DUG）三项指标，分别衡量内部表征中的成员信息及其读出程度。