AI HOT 精选
一个随机数就能识别AI模型身份：行为指纹技术可检测API中转站偷换模型
8.5内容质量
TL;DR · AI 摘要
行为指纹技术通过让AI模型生成随机数序列，可识别其身份并检测API中转站偷换模型，错误率约10.6%。
核心要点
- 生成1-100随机数可创建模型行为指纹，GPT-4o偏好42和37
- 120次请求即可识别模型身份，错误率约10.6%
- 该技术为验证API是否被偷换模型提供轻量级解决方案
结构提纲
按章节快速跳转。
思维导图
用一张图看清主题之间的关系。
查看大纲文本（无障碍 / 无 JS 友好）
- 行为指纹技术
- 核心方法
- 随机数生成测试
- 统计特征分析
- 实验发现
- GPT-4o偏好42/37
- Qwen3-Max全选42
- 应用场景
- API安全检测
- 模型身份验证
金句 / Highlights
值得收藏与分享的关键句。
Qwen3-Max在30次测试中全部回答42，展现显著行为特征
该方法仅需约120条请求即可识别模型身份，效率远超传统方案
GPT-4o对42和37的偏好，Claude Sonnet 5对47的执着形成鲜明对比
#AI模型识别#行为指纹#API安全#arXiv
打开原文一个随机数就能识别AI模型身份：行为指纹技术可检测API中转站偷换模型 · AI HOT
公众号：数字生命卡兹克
精选
64
导出 Markdown
一个随机数就能识别AI模型身份：行为指纹技术可检测API中转站偷换模型
2026-07-21 09:10
·
2小时前
数字生命卡兹克
精选理由
一个Token识别模型的妙招，轻巧但准确率高，对于被API中转站坑过的人来说简直是照妖镜，而且读起来像在破案。
AI 摘要
布拉格经济大学研究员托马什·布鲁克纳发现，通过让模型反复输出1到100的随机数，可生成独一无二的“行为指纹”。对165个模型各问30次后发现，GPT-4o偏爱42和37，Claude Sonnet 5疯狂输出47，Qwen3-Max则30次全部回答42。该方法仅需约120条请求即可识别模型身份，错误率约10.6%，为验证API是否被偷换模型提供了轻量级方案。
公众号正文需在微信内阅读，站内仅提供摘要。
在微信中打开原文
mp.weixin.qq.com
数据/训练
评测/基准