美国旧金山，2026年10月20日，Chainwire讯
在研究发现几乎所有现有模型“指纹”方案都可被规避——包括Sentient自研方法之后，Sentient基金会推出“指纹榜单”（Fingerprinting Leaderboard），公开检验哪些技术真能在复制、微调、蒸馏及攻击后仍然存活。
训练一个大型AI模型往往要耗资数百万美元，但一旦权重被复制、模型被微调或被蒸馏进其他模型，想要追溯其来源却异常困难。
Sentient研究团队近期系统测试了10种业界提出的解决方案，结果发现，只要攻击者足够专业，几乎所有方案——包括Sentient自己的指纹技术——都可以在不明显损伤模型实用性的前提下被绕过。
为此，Sentient基金会推出全新的开放基准——Fingerprinting Leaderboard。这一榜单旨在量化评估不同方案是否真正有效、对模型性能影响几何，以及在遭遇清除或规避尝试时，指纹能否顽强存续。
随着更强大的AI模型不断被发布、微调、蒸馏与重新封装，这一问题的紧迫性正快速上升。模型权重可以轻易被复制，而伴随权重流转的元数据却往往无从追踪，开发者因此缺乏可靠手段证明他人模型是否出自自己的工作。
指纹方案给出的，是一条完全不同的路：把“出处证明”直接写进模型本身。
“AI模型正在成为全球最重要的一类知识产权，但一旦模型被复制或蒸馏，要证明所有权会变得极其困难。”Sentient基金会风险与增长总监Sachi Kamiya表示，“指纹技术把证明藏在模型内部。可以把它类比为文艺复兴画家用来证明作者身份的隐形标记，只不过这是AI版本。”
模型内部的“隐形签名”
所谓模型指纹技术，是由Sentient Labs及其他研究机构共同推进的一系列方法，其目标是在模型中构造、发现或验证具有辨识度的信号，从而在事后测试其身份或谱系。
Sentient自研方案采用的是“行为指纹”：在训练阶段嵌入特定行为特征。之后，模型所有者只需获得疑似衍生模型的API访问权限，向其发送预先设计的“秘密挑战提示”（challenge prompts），并检测返回结果，即可判断原始模型的“痕迹”是否仍然存在。
换言之，模型本身就携带着“自己从哪儿来”的证据。
“这种标记是一种在训练过程中编码的行为签名，之后通过挑战提示来验证：嫌疑模型是否仍然保留原始模型的痕迹。”Sentient Labs AI研究员Eduardo Contente指出。
这为AI领域引入了一个此前长期缺失的概念：可以从模型自身出发被验证的“模型谱系证明”（provenance），而不仅仅依赖日志、元数据或外部取证。
单个模型中嵌入24,576个指纹
Sentient研究团队已经证明，模型指纹技术可以在规模上远超以往做法。
其在NeurIPS 2025上重点展示的Perinucleus方法，在几乎不损伤实用性的前提下，向Llama-3.1-8B中嵌入了24,576个指纹，其中相当一部分在下游微调后仍能幸存。
这一规模意义重大。指纹数量越多，统计置信度越高，可验证谱系的机会越多，模型在不断被复制和分发后仍保留可识别特征的概率也越大。
然而，“能塞多少指纹进去”只是问题的一半，更棘手的一半是：这些指纹在有人“故意清洗”时，能活下来吗？
Sentient亲自“拆台”，连自家指纹也不例外
Sentient Labs最新研究表明，许多现有的指纹和水印方案，在面对具备针对性策略的高级攻击者时依旧脆弱。
在发表于SaTML 2026的研究中，Sentient研究团队针对10种新近提出的指纹方案构造了自适应攻击，发现几乎所有方案在不明显削弱模型可用性的前提下，都可以被足够老练的对手绕过。
被攻破的方案中，也包括Sentient自家的Perinucleus方法。
Sentient没有掩盖这些弱点，而是选择公开披露。
Fingerprinting Leaderboard的设计初衷，就是把这一“攻防博弈”过程变成一个面向全社区的开放基准。其首个版本主要评估各类技术在嵌入指纹时的有效性及对性能的影响；后续版本将重点加入“对抗鲁棒性”维度，测试这些指纹在遭遇刻意清除或规避攻击时的存活能力。
目标可以用一句话概括：指纹不是要活过学术论文里的基准测试，而是要挺过真正有人想把它摧毁的场景。
向全球研究社区开放测试场
与指纹榜单同步，Sentient还推出了开源库mlprints，将各类指纹技术与攻击方法纳入统一评测框架。
研究人员可以在此基础上实现新方案、设计新攻击、复现既有结果，并在统一条件下横向对比不同方法，伴随整个领域共同演进。
Fingerprinting Leaderboard本身也被设计成一个随社区演化的开放平台：围绕模型指纹的所有“鲁棒性”主张，都需要在公开测试环境中接受独立验证，而非停留在单篇论文或自证环节。
在不封闭模型的前提下保有所有权
指纹技术有望破解开源AI领域一个长期的根本性难题。
目前，模型开发者往往面临两难：要么封闭权重以保持控制力，要么完全开源，放弃对后续复制与再利用路径的可见性。
模型指纹则提供了第三条路径。
它并不以“阻止复制”为目标，而是在复制不可避免发生之后，提供一套可验证的来源证据。这些证据未来可用于模型归属认定、版权与许可执行、经济分配机制以及围绕“可验证模型谱系”构建的各类制度设计。
通过让模型谱系可以被验证，Sentient的指纹研究与指纹榜单，试图为开源AI构建一种新秩序：模型可以被共享、被复用，但创作者不必因此自动失去证明技术来源的能力。
更长远的目标则更具挑战性：让指纹与模型能力深度绑定，以至于任何试图彻底移除指纹的操作，都会不可避免地破坏模型本身。
可证明的知识产权。认清你的模型。
更多信息请访问：https://fingerprint.sentient.foundation
关于Sentient基金会
Sentient基金会是一家非营利机构，致力于确保通用人工智能（AGI）保持开源，并与人类整体利益保持一致。基金会以中立性与透明度为核心，推动开源AGI在全球范围的采用，倡导对齐与安全标准，向全球开发者发放资助，并协调负责AI发展所需的治理框架。媒体垂询请联系：[email protected]
官网：https://sentient.foundation
X: https://x.com/sentient_found
LinkedIn: https://www.linkedin.com/company/sentient-foundation/
关于Sentient Labs
Sentient Labs是Sentient基金会旗下的技术研究与产品团队。
团队专注于推进行为推理、对齐及多智能体协作等方向的应用研究，构建包括ROMA、OML、Arena在内的一系列开源框架与模型，以此展示社区驱动AI的力量。这包括：支持开源工具的变现路径，通过生态级协同提升开源AI生态的质量与实用性，并提供必要的分发能力，使“开源优先”成为AI行业的新默认标准。
LinkedIn: https://www.linkedin.com/company/sentientagi
媒体联络
Sachi Kamiya
Sentient基金会
[email protected]