视觉语言模型中受控数据集来源与蒸馏痕迹的权重空间取证

基于摘要分析。本文研究能否仅凭视觉语言模型的权重，识别数据集特定微调中预先植入的已知受控来源标记，以及模型是否由带标记的教师蒸馏而来。作者提出 weight-space forensics，无需推理访问或训练数据，直接从模型参数检测来源与模型谱系痕迹；其目标是识别受控标记，而非恢复任意模型的完整训练历史。 核心机制是标记在 CLIP 风格的对齐空间中引起持久的几何位移。作者报告，在主要的 CLIP RN50 设置中，这种位移集中于 projection/head 层，而非植入标记所使用的 adapter；在 transformer-based CLIP 中也可观察到痕迹，但可见的特征组范围更广。作者将可检测性形式化为信噪分离问题并给出闭式条件，具体标记构造、检测统计量及条件推导尚未验证。 作者报告，在带标记与不带标记的 COCO-50K 模型之间实现完全分离；经过校准，可在 Flickr30k、ROCO 和 COCO 之间迁移检测。作者还报告，标记痕迹能够传递给蒸馏学生模型，在混合 CLIP-to-CLIP 蒸馏中保留，并抵抗事后及检测器感知的权重扰动。摘要未提供模型样本量、数据划分、具体指标、校准所需信息、蒸馏配置或扰动预算，不能据此判断开放环境中的误报率和检测边界。 复现时应核对标记植入与检测流程、未标记模型对照、校准成本、不同模型结构间的适用条件，以及蒸馏和扰动下的检测稳定性；实验协议、消融及统计信息尚未验证。本文主要对象是视觉语言模型的受控来源审计，不构成 EEG/BCI 有效性证据，已有 EEG 相关工作尚未检索确认。