项目内容标题LLMSurgeon: Diagnosing Data Mixture of Large Language Models作者Yaxin Luo, Jiacheng Cui, Xiaohan Zhao, Xinyi Shang, Jiacheng Liu, Xinyue Bi, Zhaoyi Li, Zhiqiang Shen机构VILA Lab, MBZUAI; UCLarXiv ID2605.30348发表日期2026-05-28分类cs.CL, cs.AI, cs.LG核心论点仅通过目标 LLM 生成的文本，即可反推其预训练语料库的领域级别分布，无需接触训练数据、权重或内部状态
数字炼金术的配方书：AI 谈吐间泄露的训练密码
发布时间：2026/6/2 6:32:49
项目内容标题LLMSurgeon: Diagnosing Data Mixture of Large Language Models作者Yaxin Luo, Jiacheng Cui, Xiaohan Zhao, Xinyi Shang, Jiacheng Liu, Xinyue Bi, Zhaoyi Li, Zhiqiang Shen机构VILA Lab, MBZUAI; UCLarXiv ID2605.30348发表日期2026-05-28分类cs.CL, cs.AI, cs.LG核心论点仅通过目标 LLM 生成的文本，即可反推其预训练语料库的领域级别分布，无需接触训练数据、权重或内部状态
