美國舊金山，2026 年 10 月 20 日，Chainwire
在研究人員發現幾乎所有現有模型指紋技術都能被規避——包括 Sentient 自家的方法之後，Sentient 宣布推出全新「Fingerprinting Leaderboard」開放指標平台，公開檢驗哪些技術真能在模型被複製、微調、蒸餾與攻擊後仍然存活。
生成式 AI 模型訓練成本動輒高達數百萬美元，但一旦權重遭到複製、被他人微調或蒸餾成新模型，要在事後證明「這個模型來自誰」卻極為困難。
Sentient 研究團隊近期測試了 10 種為解決此問題而提出的模型指紋與浮水印技術，結果發現，只要攻擊者夠老練，大多數方案都能被規避，而且不會明顯犧牲模型效能——其中也包括 Sentient 自行提出的指紋方法。
在此背景下，Sentient 基金會啟動 Fingerprinting Leaderboard 計畫，打造一個開放的標竿評測平台，用來衡量各種方法在三個面向上的表現：實際可行程度、對模型效能的影響，以及在遭到移除或規避攻擊時，指紋是否真的能存活。
隨著更強大的 AI 模型陸續開源、被廣泛微調、蒸餾與重新包裝，這個問題的重要性正迅速升高。模型權重可以被完整複製、相關中繼資料卻可能在流通過程中消失，開發者往往缺乏可信方法來證明「某個下游模型其實源自自己的工作成果」。
模型指紋提供另一條路：把「來源證據」直接寫進模型裡。
「AI 模型正成為全球最具價值的智慧財產之一，但一旦模型被複製或蒸餾，要證明所有權就變得極為困難，」Sentient 基金會創投與成長事業總監 Sachi Kamiya 表示。「指紋技術就是把證據放進模型內部。可以把它想成 AI 版本的『文藝復興畫家藏在畫作中的暗記』，用來證明作者身分。」
隱藏在模型裡的「簽名」
所謂模型指紋（model fingerprinting），是由 Sentient Labs 與其他研究機構開發的一系列技術，目標是在模型中「嵌入、偵測或驗證」某種具辨識度的訊號，讓日後可以檢驗其身分或傳承關係。
Sentient 自家的方法，是在訓練階段植入隱藏的行為簽名。日後只要對懷疑為衍生作品的模型擁有 API 存取權，模型擁有者便可送出預先設計的「秘密挑戰題」，再比對其回答，以判斷原始模型的痕跡是否仍然存在。
簡單說，模型本身就帶著自己的「出生證明」。
「這個標記是一種在訓練過程中寫入的行為簽名，日後透過特定挑戰提示，就能驗證可疑模型是否仍留有原始模型的痕跡。」Sentient Labs AI 研究員 Eduardo Contente 指出。
這種作法補上了以往 AI 生態系的一塊空白：讓模型的來源（model provenance）可以直接從模型本體被驗證，而不必只依賴操作紀錄、元資料或外部調查。
一個模型容納 24,576 組指紋
Sentient 研究人員已證明，模型指紋技術的可擴展性遠超過過去主流作法。
在 NeurIPS 2025 上發表的 Perinucleus 方法，成功在 Llama-3.1-8B 模型中嵌入 24,576 組指紋，且幾乎不影響模型效能，其中相當部分指紋在後續微調後仍能存留。
規模之所以關鍵，是因為指紋越多，統計信心越強、驗證來源的機會越多，模型在複製與分發過程中的韌性也越高。
不過，規模僅解決了一半的問題；另一半、更棘手的問題是：這些指紋能否撐過刻意、系統化的移除攻擊？
Sentient 親自出手「破解」指紋，連自家方法也不放過
Sentient Labs 最新研究顯示，許多現有的指紋與浮水印方案，仍然容易遭到高階攻擊者瓦解。
在 SaTML 2026 發表的研究中，Sentient 研究團隊對 10 種近期提出的指紋方案設計了「自適應攻擊」，結果發現，只要攻擊者能力足夠，大部分方法都能被成功規避，同時維持模型的實用性。
被攻破的方案當中，就包含 Sentient 自家的 Perinucleus 方法。
Sentient 並未將這些弱點藏起來，而是選擇完整公開。
Fingerprinting Leaderboard 的設計初衷，就是把這套對抗性測試流程轉化為一個公開指標平台。首個版本著重評估各種技術在「嵌入指紋」與「維持模型效能」之間的平衡；後續版本將進一步加入對抗攻擊測試，檢驗指紋在遭到刻意移除或規避時，還能撐多久。
目標相當明確：一個合格的模型指紋，不該只是在研究論文的測試場景裡存活，而是要撐得過真正想「摧毀它」的人。
向全球研究社群開放測試場
為配合排行榜啟動，Sentient 同步釋出開源程式庫 mlprints，將各式指紋技術與攻擊手法納入同一套評估框架。
研究人員可以在 mlprints 中實作全新的指紋方案、設計新攻擊、重現既有實驗結果，並在相同條件下比較不同方法的優劣。
Fingerprinting Leaderboard 本身設計為隨社群共同演進的平台，目的在把模型指紋從「單篇論文的主張」變成「可重現、可獨立驗證的開放測試環境」，讓強韌性與安全性不再只停留在聲稱層次。
開源模型不必再與「放棄所有權」畫上等號
模型指紋技術，有機會解決開源 AI 面臨的核心難題之一。
如今開發者往往被迫二選一：不是緊閉權重、維持控制力，就是完全開源，卻失去對模型後續流向與再利用方式的可見度。
指紋提供第三條路。
與其試圖阻止複製，不如在複製發生後保留「可驗證的來源證據」。長期來看，這類證據有望成為歸屬認定、授權條款執行、收益分配機制乃至更廣泛經濟制度的基礎——前提是這些制度能建立在「可驗證的模型來源」之上。
透過讓 模型來源具備可驗證性，Sentient 的指紋研究與 Fingerprinting Leaderboard 旨在打造一個開放、可共享、又能保障原創者權益的 AI 生態系：模型可以被自由建立在他人工作之上，但創作者不必因此放棄日後主張技術來源的能力。
更長遠的目標更具挑戰性：打造一種與模型能力高度綁定的指紋——只要試圖移除指紋，就等同於破壞模型本身。
可被證明的智慧財產。真正理解你的模型（Know Your Model）。
詳細資訊請見：https://fingerprint.sentient.foundation
關於 Sentient 基金會（Sentient Foundation）
Sentient 基金會是一家非營利組織，致力確保通用人工智慧（AGI）能以開源形式發展，並與全人類利益保持一致。基金會以中立與透明為核心原則，推動開源 AGI 在全球的採用，倡議對齊與安全標準，向全球開發者提供研究與開發補助，並協調多方治理架構，以促進負責任的 AI 發展。
媒體與新聞聯繫：[email protected]
官方網站：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 基金會旗下的技術研究與產品開發部門。
團隊專注於推進推理能力、對齊方法與多代理協作等領域的應用研究，並打造多項開源框架與模型——包括但不限於 ROMA、OML 與 Arena——以展現社群驅動人工智慧的力量。
Sentient Labs 的使命，也包括協助開源工具找到永續變現模式、透過生態系協調全面提升開源 AI 的品質與實用性，並提供必要的發行與分發能力，讓開源成為 AI 領域的預設標準。
官方網站：https://sentient.xyz
LinkedIn：https://www.linkedin.com/company/sentientagi
聯絡方式
Sachi Kamiya
Sentient 基金會
[email protected]