https://inkeast.github.io/MessageDaily/tags/%E8%AE%AD%E7%BB%83%E5%9F%BA%E7%A1%80%E8%AE%BE%E6%96%BD/Recent content in 训练基础设施 on MessageDailyHugozh-cnSat, 31 Oct 2026 00:00:00 +0000https://inkeast.github.io/MessageDaily/posts/2026-10-31-watermark-web-env-duo/Sat, 31 Oct 2026 00:00:00 +0000https://inkeast.github.io/MessageDaily/posts/2026-10-31-watermark-web-env-duo/深度精读 Meta FAIR 的 Watermark Basins 与浙大等机构的 WebAnything 两篇论文：前者发现水印蒸馏把学生模型推入参数空间中密钥特异的持久盆地，黑盒检测器 WM-Basin 在 0.1% FPR 下检出 79% 蒸馏模型、远超 token 级基线的 29%，量化剪枝与 RL 后训练均无法逃逸；后者用 Explorer-Builder-Verifier 全自动重建 244 个源接地 Web agent 环境，均价 2.63 美元一站，SFT 使 Qwen3.5-9B 三基准提升 9.9 至 13.3 个百分点。两篇共同勾勒可信 AI 供给链的两端——模型知识产权可追溯、训练环境来源可信。