研究者 11 月 10 日提交 NumPrint，探索模型能否通过一串数字暴露自身特征。基准收集 51 个模型的 5036 份回答，提示模型一次给出 294 个指定范围内的整数。
团队结合浅层网络与因果 Transformer，学习数字选择偏好和序列行为。在已知的 51 类模型封闭测试中，一份回答的识别准确率达到 92.72%；增加到两份和四份后，结果继续提高。
这是受控候选集合内的身份分类实验，不能据此保证识别任意新模型、被修改的服务或路由混合模型。它提供了一种可观察的辅助信号，而不是通用“验真神器”。
来源：arXiv 原文。
图片来源：论文作者 / arXiv。