WildTrace：真实后训练场景训练数据检测基准
热点事件持续更新
WildTrace：真实后训练场景训练数据检测基准
1 篇报道1 个报道来源17 小时前更新
先了解这件事
AI 综述
2026年10月15日，arXiv 上发布的研究提出并发布 WildTrace 基准，用于在真实大规模 LLM 后训练场景下评估训练数据检测方法（来源：arXiv Artificial Intelligence，事实 1627）。该基准覆盖 SFT、DPO、RL 各阶段模型，并针对四类任务构建分布匹配、成员标签可验证的评估集。结果显示，表现最好的方法平均 AUC 仅 0.529，接近随机猜测的 0.5；分析还表明评估协议会显著影响检测性能的测量结果。目前该事件仅有这一篇主报道，暂无后续跟进报道，因此尚无与早先报道矛盾的数字、时间或说法需要说明。
AI 根据报道生成 · 1 小时前更新
最新进展10月15日 12:00
WildTrace：评估真实大规模 LLM 后训练中的训练数据检测报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv Artificial IntelligenceWildTrace：评估真实大规模 LLM 后训练中的训练数据检测
研究团队推出 WildTrace 基准，用于在真实大规模后训练场景下评估训练数据检测方法，覆盖 SFT、DPO、RL 各阶段模型，并针对四类任务构建分布匹配、成员标签可验证的评估集。结果显示，表现最好的方法平均 AUC 仅 0.529，接近随机猜测的 0.5。分析还表明评估协议会显著影响检测性能的测量结果。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。