Meta menerbitkan makalah tentang distilasi model besar. Fokusnya bukan pada kualitas generasi, melainkan pada “cara mengenali model hasil distilasi”. WM-Basin yang mereka usulkan adalah metode deteksi kotak hitam untuk skenario yang sangat spesifik: seseorang melakukan banyak panggilan API ke model guru yang diberi watermark, lalu menggunakan output tersebut untuk melatih model siswa. Hasil yang disajikan dalam makalah ini bukan sekadar peningkatan kecil.
Pada tingkat positif palsu 0,1%, tingkat positif benar WM-Basin mencapai 79%, sedangkan metode deteksi tingkat token sebelumnya hanya 29% dalam kondisi yang sama. Makalah itu juga menyebutkan bahwa selisih keduanya akan semakin lebar ketika ambang deteksi dibuat lebih ketat dan jendela n-gram diperbesar.
Hal ini bukan katalis langsung bagi pasar kripto, tetapi berkaitan dengan infrastruktur AI, keamanan model, dan batas-batas kekayaan intelektual. Dulu orang sering berkata bahwa untuk mencuri model, yang harus dicuri adalah bobotnya. Kini, jalur yang lebih realistis adalah “bertanya berkali-kali, lalu melakukan distilasi”. Jika identifikasi kotak hitam benar-benar semakin matang, aturan yang ditetapkan platform API, pertanggungjawaban, dan pembuktian asal-usul model nantinya akan menjadi isu yang lebih sensitif.
Dari sisi pasar, jangan dulu menganggapnya sebagai tema jangka pendek. Ini lebih seperti faktor dalam rantai keamanan AI yang dampaknya akan berkembang secara bertahap.
Pada tingkat positif palsu 0,1%, tingkat positif benar WM-Basin mencapai 79%, sedangkan metode deteksi tingkat token sebelumnya hanya 29% dalam kondisi yang sama. Makalah itu juga menyebutkan bahwa selisih keduanya akan semakin lebar ketika ambang deteksi dibuat lebih ketat dan jendela n-gram diperbesar.
Hal ini bukan katalis langsung bagi pasar kripto, tetapi berkaitan dengan infrastruktur AI, keamanan model, dan batas-batas kekayaan intelektual. Dulu orang sering berkata bahwa untuk mencuri model, yang harus dicuri adalah bobotnya. Kini, jalur yang lebih realistis adalah “bertanya berkali-kali, lalu melakukan distilasi”. Jika identifikasi kotak hitam benar-benar semakin matang, aturan yang ditetapkan platform API, pertanggungjawaban, dan pembuktian asal-usul model nantinya akan menjadi isu yang lebih sensitif.
Dari sisi pasar, jangan dulu menganggapnya sebagai tema jangka pendek. Ini lebih seperti faktor dalam rantai keamanan AI yang dampaknya akan berkembang secara bertahap.