从隐式到显式：增强大语言模型的自我识别能力
计算与语言
2026-01-13 v2 人工智能
摘要
大语言模型（LLMs）已被证明具有一定程度的自我识别能力，该能力用于识别给定文本是否由它们自身生成。先前的研究表明，这种能力在配对呈现范式（PPP）下能够可靠地表达，即向模型呈现两段文本，并要求其选择哪一段是它自己生成的。然而，在个体呈现范式（IPP）下，即仅给模型一段文本以判断作者身份时，性能会急剧下降。尽管这一现象已被观察到，但其根本原因尚未得到系统分析。在本文中，我们首先探究了这种失败的原因，并将其归因于隐式自我识别（ISR）。ISR描述了大语言模型中内部表征与输出行为之间的差距：在IPP场景下，模型在其特征空间中编码了自我识别信息，但其识别自生成文本的能力仍然很差。为了减轻大语言模型的ISR，我们提出了认知手术（CoSur），这是一个包含四个主要模块的新颖框架：表征提取、子空间构建、作者身份判别和认知编辑。实验结果表明，我们提出的方法在IPP场景下提高了三种不同大语言模型的自我识别性能，分别达到了99.00%、97.69%和97.13%的平均准确率。
引用
@article{arxiv.2508.14408,
title = {From Implicit to Explicit: Enhancing Self-Recognition in Large Language Models},
author = {Yinghan Zhou and Weifeng Zhu and Juan Wen and Wanli Peng and Zhengxian Wu and Yiming Xue},
journal= {arXiv preprint arXiv:2508.14408},
year = {2026}
}