编辑丨岑峰 花费上亿美元、集结顶尖算力训练出的大模型，正面临被恶意蒸馏、套壳甚至窃取核心数据的巨大风险。 就在2026年近期，Anthropic 公开披露了针对 Claude 的大规模疑似恶意蒸馏事件——攻击者利用欺诈账户和代理服务疯狂收集模型输出，试图低成本复制大模型的能力。残酷的现实证明：面对隐蔽的“白嫖”与盗用，仅靠账户封禁、访问控制等外部防御手段，已经防不胜防。 数据从何而来？模型是否被恶意克隆？这篇爆火的AI爽文到底是谁生成的？ 为了回答这三个终极安全问题，建立一套严密的大语言模型（LLM）“身份认证”机制迫在眉睫。近日，来自西安交通大学、中国科学院信工所和澳大利亚迪肯大学的研究团队，在人工智能顶会 IJCAI 2026 发表了题为“Implicit Identity Technologies for LLMs: Fingerprinting and Watermarking across Datasets, Models, and Generated Content”的重磅综述论文，首次提出了大模型“隐式身份（Implicit-ID）”的统一理论框架。 ...

编辑丨岑峰 在近日公布的国际人工智能联合会议（IJCAI 2026）Tutorial（讲习班）录用名单中，出现了一个极其罕见的现象：清华大学王鑫教授团队，凭借 T9《Beyond Graph Distribution Shifts》与 T11《OOD Generalized Generative AI》同时包揽两席。 在全球顶尖高校与科技巨头云集的 IJCAI 赛场，同一团队拿下“双杀”，不仅彰显了清华在 AI 领域的强势话语权，更向全行业释放了一个强烈的信号：生成式 AI 的下一场技术战役，已经从“大力出奇迹的 IID（独立同分布）拟合”，全面转向了“应对真实物理世界的 OOD（分布外泛化）挑战”。为什么是王鑫团队？这两场看似独立、实则底层相通的 Tutorial，究竟藏着怎样的学术野心与产业图景？ 01 大语言模型（LLM）与生成式 AI 在过去几年高歌猛进，但产业界很快撞上了一堵无形的墙：模型在训练数据（分布内，IID）上表现如神，一旦面对真实世界中前所未见的新场景、新结构或罕见提示词（分布外，OOD），就会瞬间智商断崖式下跌，甚至产生严重的幻觉。 ...

IJCAI2026：用最弱维度优化提升多模态推理 来源：NLPIR 原文链接：https://mp.weixin.qq.com/s/FLV5RwspqYkXEQQ25WibyA 论文引言 近日，NLPIR团队围绕多模态大模型推理可靠性问题开展研究，提出了一种全新的多模态过程奖励建模框架 MMS-PRM（Multimodal Multi-Dimensional Salarization Process Reward Modeling）。相关论文题为 “Improving Multimodal Reasoning via Worst Dimension Optimization”。该工作聚焦多模态推理中长期存在的“平均分掩盖局部错误”问题，通过细粒度多维奖励、Chebyshev 引导的蒙特卡洛树搜索以及课程式 DPO 对齐，显著提升了模型在复杂视觉推理任务中的鲁棒性与可靠性。 多模态推理不能只看“平均表现” 随着多模态大语言模型在数学图形、科学图表、视觉问答等任务中的能力不断提升，模型已经不再只是“看图说话”，而是需要完成更复杂的跨模态推理。 ...