谁构建了这个模型？基于权重空间谱指纹的大语言模型谱系追踪

开源权重大语言模型（LLM）越来越多地通过复杂的多阶段流程开发，形成反映模型来源、所有权与演化的复杂谱系关系。理解这些关系对模型溯源、治理与供应链完整性十分重要。在本工作中，我们研究大语言模型“生物识别”（类比人类生物识别）的概念，探究大语言模型是否仅在权重空间中、无需访问输入数据，就表现出可揭示其来源与谱系的内在指纹。我们将其形式化为谱系判别问题，区分独立来源、同系列与共享底座模型。为刻画这些关系，我们提出一个统一的几何指纹框架，从两个互补视角分析权重矩阵：（i）谱能量，由奇异值分布捕获，编码全局幅度模式；（ii）子空间对齐，通过子空间偏离量化，捕捉方向几何。我们的分析揭示了权重空间中清晰的结构相似性层级：谱能量能可靠区分独立训练的模型与不同模型家族，而子空间对齐可在密切相关的模型之间实现细粒度判别，包括数据集规模与后训练流程的差异。在110多个多样化的开源权重LLM对上的大量实验表明，权重空间几何为模型谱系提供了稳健且可解释的信号，支持粗粒度区域划分与共享底座模型内部的细粒度判别。