研究：去除信息量无法证明开放权重模型抗篡改
原文标题：Removing Information Content Does Not Certify Tamper Resistance in Open-Weight Models
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文指出，仅凭发布时的互信息无法普遍证明开放权重模型对微调攻击的抵抗力。保函数重参数化不改变信息量却改变梯度下降几何，因此不变性证书受最快可达参数化限制。作者构造出两个信息量均为零但一步梯度即可恢复的实例，说明认证还需约束攻击动态。
- 问题
- 仅靠发布时去除信息量，能否证明开放权重模型抗微调攻击。
- 方法
- 证明保函数重参数化不改变互信息却改变梯度下降几何，构造零信息仍一步恢复的反例。
- 结果
- 构造出两个互信息均为零、一步梯度即恢复的实例；受控实验显示恢复速度依赖训练顺序与参数化。
- 影响
- 提醒安全发布不能只看信息量指标，认证需约束攻击动态，影响开放权重模型合规与风控。
深读 · 结论先行AI 生成展开看要点与影响 ↓
论文证明互信息为零也不抗微调：存在一步梯度即恢复的构造。
- •保函数重参数化不改变信息量，却改变梯度下降几何
- •构造出两个信息量均为零、一步梯度即可恢复的实例
- •训练顺序可在权重-数据信息固定时改变恢复时间
- •精确表示层独立仍可保留整个参数雅可比
- •结论：认证还需约束攻击动态，而非仅看发布时互信息
为什么重要：开放权重模型常以「去除有害信息」作为安全论据，该结果说明这类证书不成立，对模型发布方与安全评估方都是方法论层面的警示。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。