arrow
返回

Detecting Training Data For Large Language Models: A Survey

delete2026-05-23
delete0
PRE
AI
C
Chen Yang *
J
Junyi Li
S
Shulin LAN
Y
Yingchao Wang
H
Hongyang Du
X
Xingshan Yao
D
Dusit Niyato
L
Liehuang Zhu
DOI:10.1145/3779430delete
delete原文链接
delete原文求助
delete分享
delete收藏
摘要

摘要

En 中文
随着大型语言模型(LLMs)的不断发展,其训练所使用的数据范围和多样性正显著扩大。然而,LLMs的训练数据集可能不可避免地包含敏感信息,如个人数据或版权材料,若模型生成与这些来源高度相似或完全相同的文本,将导致隐私泄露或版权侵权风险。这促使人们关注是否检测文本数据被用于LLMs训练的问题。迄今为止,关于检测人工智能(AI)模型训练数据使用的研究主要集中于传统机器学习(ML)模型,而针对LLMs的研究仍相对不成熟。对该领域研究进展的缺乏了解阻碍了更有效检测方法的发展。因此,本文旨在填补这一空白,通过分析LLMs训练数据的检测方法。具体而言,我们分析了可提供给检测器的LLMs信息、主要检测方法、判定指标,并讨论了该领域的技术挑战及未来研究的潜在方向。
Keyword:
Large language models
detecting training data

期刊

ACM Computing Surveys 封面图
ACM Computing Surveys
IF:
28
论文数:
2.5K
被引数:
3.5W

机构

U
university of chinese academy of sciences, cas
学者数:
4.1W
论文数: 3.8W
被引数: 75
U
university of hong kong
学者数:
3.6K
论文数: 1.7K
被引数: 0
B
beijing institute of technology
学者数:
5.5W
论文数: 4.0W
被引数: 63
C
chinese academy of sciences
学者数:
56.7W
论文数: 45.0W
被引数: 704
学者 查看更多机构
引用论文

引用论文

Machine Unlearning: A Survey机器学习: 一项调查
err2023-08-28
err25
errOAAI
errXu, Heng; Zhu, Tianqing; Zhang, Lefeng; Zhou, Wanlei; Yu, Philip S.
err分享
err收藏
Knowledge Distillation: A Survey知识蒸馏: 一项调查
err2021-03-22
err1.5K
PREAI
errGou, Jianping; Yu, Baosheng; Maybank, Stephen J.; Tao, Dacheng
err分享
err收藏
err分享
err收藏
err分享
err收藏
The performance of text similarity algorithms
err2018-03-31
err0
errOAAI
errDidik Dwi Prasetya; Aji Prasetya Wibawa; Tsukasa Hirashima
err分享
err收藏
学者 查看更多内容