美國三藩市 — 2026 年 10 月 20 日，Chainwire
多項現有模型指紋技術，包括 Sentient 自家方案，在最新測試中均被證實可被繞過。Sentient 現推出全新 「Fingerprinting Leaderboard」開放指標，公開較量哪些方法真正在複製、微調、蒸餾及攻擊後仍能存活。
近年訓練一個大型 AI 模型動輒耗資以百萬美元計，但一旦權重被複製、再訓練（fine-tune），或被蒸餾成其他模型， 要追溯其真正來源往往極其困難。
Sentient 的研究團隊早前對十種不同的模型指紋與水印方案作系統性測試，結果發現，在不明顯削弱模型效用的前提下， 大部分技術只要遇上技術成熟的對手，最終都能被成功規避；當中亦包括 Sentient 自家的指紋方案。
在此背景下，Sentient Foundation 正式推出 「Fingerprinting Leaderboard」——一個開放基準平台， 用以評估各類模型指紋技術的實際效能、對模型表現的影響，以及其指紋在遭到刻意移除或規避時能否存活。
隨着愈來愈強大的 AI 模型被釋出、微調、蒸餾及重新包裝，模型權重可被輕易複製，而元數據往往在傳遞間遺失， 開發者在爭議情況下，往往缺乏有力工具去證明其他模型源自己方成果。
指紋技術嘗試提供另一條路：把「出身證明」寫進模型本身。
Sentient Foundation 風險與成長業務總監 Sachi Kamiya 指出：「AI 模型正成為全球最具價值的知識產權之一， 但當模型被複製或蒸餾後，要證明擁有權變得異常艱難。指紋技術是把證據嵌入模型裡——有點像文藝復興時期畫家 在畫作裡加入肉眼難覺察的暗記，以證明作者身份。」
在模型內藏一個「隱形簽名」
所謂模型指紋（model fingerprinting），是由 Sentient Labs 及業界多位研究者共同發展的一系列技術， 用來在模型中創建、發現或驗證具有辨識度的訊號，讓模型身份或血統可在日後被檢驗。
Sentient 自家方案的做法，是在訓練過程中嵌入隱藏的行為特徵；其後只要擁有懷疑目標模型的 API 訪問權限， 便可發出預先設計的「秘密測試提示」，再比對輸出行為，從而判斷當中是否仍留下原始模型的痕跡。
用白話說：模型本身就帶着證據，說明自己源自哪裏。
Sentient Labs AI 研究員 Eduardo Contente 解釋：「這種標記其實是一組在訓練時寫入的行為簽名， 之後透過特別設計的挑戰提示去觸發，從而測試可疑模型是否仍保留原模型的痕跡。」
這代表 AI 領域首次出現一種新型的「來源證明」：不再只依賴日誌、元數據或外部調查，而是能直接從模型行為 本身去驗證其身世。
單一模型嵌入 24,576 組指紋
Sentient 研究團隊已證明，指紋方案的可擴展性遠超以往想像。
他們的 Perinucleus 方法 在 NeurIPS 2025 上成為焦點，成功在 Llama-3.1-8B 中嵌入 24,576 組指紋，且對模型效用影響極小，當中不少指紋在下游 微調後仍能存活。
規模之所以重要，是因為指紋愈多，統計信心愈高，模型來源可驗性的機會愈大，亦能提升模型在被多次複製、 分發後仍保持可追溯性的韌性。
然而，能否大規模嵌入只是問題的一半；更棘手的是：當有人刻意想抹去這些指紋時，它們能否撐得住？
Sentient 親自「拆招」，連自家方案都照測不誤
Sentient Labs 最新研究顯示，目前不少指紋及水印技術，在面對有心人及針對性攻擊時仍然相當脆弱。
在 SaTML 2026 發表的研究中，Sentient 研究員專門為 十種近年提出的模型指紋方案構建自適應攻擊（adaptive attacks），結果發現，只要攻擊者技術足夠成熟， 幾乎全部方案都可以被繞過，同時仍維持模型的實用性。
當中亦包括 Sentient 自家的 Perinucleus 方法。
Sentient 沒有刻意掩飾這些弱點，而是選擇公開披露。
新推出的 Fingerprinting Leaderboard 正是要把這種「你攻我防」的過程，轉化成制度化、上枱比拼的 開放式基準。首個版本率先評估各種技術在嵌入指紋時，能否在不明顯拖累模型性能的前提下運作； 下一階段將加入對抗性強度指標，測試在刻意移除或規避指紋的攻擊下，技術能撐多久。
平台目標清晰：指紋不應只在實驗報告中存活，而是要在真實、有對手嘗試摧毀它的世界中活下來。
向全球研究社群全面開放測試
配合排行榜推出，Sentient 同步開源 mlprints 函式庫，將不同指紋技術及攻擊方法整合到統一評估框架之中。
研究人員可以在此基礎上實作全新方案、開發新型攻擊、重現既有結果，並在統一條件下比較技術表現， 讓整個研究領域朝標準化方向邁進。
Fingerprinting Leaderboard 的設計初衷，是要隨着研究社群發展而演進，把模型指紋變成一個公開、可驗證的 測試場，而非只依賴單一團隊的自我聲稱。
開源模型毋須再與「失控版權」劃上等號
模型指紋有望為開源 AI 解決一個長期困局。
如今不少開發者面臨兩難：若緊閉權重，便可維持較強掌控力；若選擇完全開放，模型一旦被廣泛複製、再訓練， 便難以追蹤其去向及用途。
指紋技術提供第三種選擇。
它並不阻止複製行為，而是提供複製之後的「來源證據」。這些證據將來可用於歸因、授權合約執行、 經濟分潤機制等，建立一整套圍繞「可驗證模型身世」而設計的制度。
透過讓模型來源（model provenance）變得可驗證，Sentient 的指紋研究及排行榜，希望推動一個新的 開源 AI 生態：開發者可放心釋出與協作，而不必自動放棄日後證明技術來源的能力。
更長遠而言，Sentient 設下更高難度目標：把指紋與模型能力綁定得如此緊密，以至於任何試圖移除指紋的行為， 必然同時破壞模型本身的效能。
「可證明的知識產權。真正認識你的模型。」
了解更多：https://fingerprint.sentient.foundation
關於 Sentient Foundation
Sentient Foundation 是一家非牟利機構，致力確保通用人工智能（AGI）以開源形式發展，並與人類整體利益保持一致。 基金會以中立及透明為核心原則，推動開源 AGI 在全球落地，倡議對齊與安全標準，向全球開發者提供資助， 並協調相關管治框架，確保 AI 得以在負責任的規範下演進。如有傳媒查詢，請電郵：[email protected]
Website: https://sentient.foundation
X: https://x.com/sentient_found
LinkedIn: https://www.linkedin.com/company/sentient-foundation/
關於 Sentient Labs
Sentient Labs 是 Sentient Foundation 旗下的技術研究及產品團隊。
團隊專注於推進在推理、對齊及多智能體協調等領域的應用研究，並構建包括 ROMA、OML、Arena 在內的多個 開源框架與模型，展示社群驅動 AI 的力量。其工作包括：協助開源工具變現、透過跨生態協調提升開源 AI 的 質量與實用性，以及建立所需的分發渠道，令開源方案有機會成為 AI 的行業標準。
Website: https://sentient.xyz
LinkedIn: https://www.linkedin.com/company/sentientagi
傳媒聯絡
Sachi Kamiya
Sentient Foundation
[email protected]