AI Research HubLatest AI Research Papers & Surveys
Browse cutting-edge papers on LLMs, Web Security, and Agent Detection. Free registration to access full PDFs.
Browse PapersUnderstanding Transformer Attention Mechanisms
Self-attention 是 Transformer 架构的核心。本文将深入解析 scaled dot-product attention 的计算过程，并对比 Multi-Head Attention 与 Grouped-Query Attention 的差异。
import torch
import torch.nn.functional as F
def scaled_dot_product_attention(Q, K, V, mask=None):
d_k = Q.size(-1)
scores = torch.matmul(Q, K.transpose(-2, -1)) / (d_k ** 0.5)
if mask is not None:
scores = scores.masked_fill(mask == 0, -1e9)
attention = F.softmax(scores, dim=-1)
return torch.matmul(attention, V)
阅读全文 →
Browser Fingerprinting in 2026: A Survey of Techniques and Defenses
浏览器指纹技术在过去两年经历了显著演进。从 Canvas/WebGL 到 AudioContext，从 JA3 到 JA4，本文系统梳理了当前主流的浏览器指纹采集方法及其在 bot 检测中的应用。
关键词：FingerprintJS, JA4, TLS 指纹, Canvas Fingerprinting, WebGL
阅读全文 →LLM Agent Detection via Behavioral Biometrics
如何区分一个网页访客是人类还是 AI Agent？本文提出了基于鼠标轨迹几何、击键时序和滚动 burst 分析的三层行为指纹方案，在跨框架测试中达到了 94.3% 的 F1 分数。
阅读全文 →🔒 完整阅读需注册
Training Data Contamination in LLM Benchmarks
当训练数据与测试基准发生重叠时，模型评估结果的可信度将大打折扣。本文回顾了近年来的主要污染检测方法，并提出了一个基于 n-gram 匹配和语义相似度的联合检测框架。
from sklearn.feature_extraction.text import TfidfVectorizer
from sklearn.metrics.pairwise import cosine_similarity
def detect_contamination(train_corpus, test_sample, threshold=0.85):
vectorizer = TfidfVectorizer(ngram_range=(3, 5))
tfidf = vectorizer.fit_transform([test_sample] + train_corpus)
similarities = cosine_similarity(tfidf[0:1], tfidf[1:]).flatten()
return similarities[similarities > threshold]
阅读全文 →
订阅更新
获取最新 AI 研究论文解读与技术教程。
