一句话识别文本是否来自模型预训练数据，助力隐私审计。
MIA-Tuner 是一个针对大语言模型的预训练文本检测器，核心任务是判断一段文本是否来自模型的预训练数据（即成员推断攻击，Membership Inference Attack）。它通过适配大语言模型，利用模型内部的概率分布和损失值等信号，训练一个轻量级的分类器，从而在不访问原始训练数据的情况下，有效识别文本是否属于模型的训练集。该项目解决了预训练数据泄露和隐私审计的难题，为模型安全评估提供了新工具。核心能力包括：基于模型输出的高效特征提取、针对不同模型的快速适配、以及较高的检测准确率。作为 AAAI 2025 Oral 论文的官方实现，代码结构清晰，便于复现和二次开发。
Neural Network Intrusion Detection、Membership Inference Attack (MIA) 相关项目、TextObfuscator
AAAI2025_MIA-Tuner 是模型训练领域的开源项目，由 tsinghua-fib-lab 开发，2023 年首次发布。
它收录于模型训练分类，该分类目前共有 518 个项目，GitHub 星标数为 130。
项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-08-05。无在线服务，需自行部署，完全免费。
它主要面向的使用场景是：大模型预训练数据泄露检测与隐私审计。同类可对比的替代方案包括 Neural Network Intrusion Detection、Membership Inference Attack (MIA) 相关项目、TextOb…。
下一篇：LLMEmb
Long-RL
开源
让强化学习轻松驾驭超长序列，训练更稳更快
Long-RL: Scaling RL to Long Sequences (NeurIPS 2025)
TPA
开源
把注意力复杂度从平方降到线性，长序列不再卡顿
[NeurIPS 2025 Spotlight] TPA: Tensor ProducT ATTenTion Transformer (https://arxiv.or···
minimind
开源
两小时造出你的小模型，练手入门不求人
Train a 64M-parameter LLM from scratch in just 2h!
pruna
开源
一键优化 AI 模型，推理提速又省资源。
Pruna is a model optimization framework built for developers, enabling you to delive···
