연구진은 명령어 튜닝, 특화, 양자화 등으로 변형된 LLM의 세밀한 계보 추적이 어렵다는 문제에 대응해, 학습이 필요 없는 지문 기법 BReF를 제안했다. A/B/C/D 답변 옵션에 대한 확률 분포가 통제된 텍스트 교란에서 어떻게 이동하는지를 비교하며, 모델 쌍마다 25개의 공동 반응 프로브를 선택해 교란 로그비율(PLR) 반응 방향을 전역 코사인 유사도로 비교한다. 34개 체크포인트, 22개의 문서화된 직계 부모 관계, 411개의 용의자-후보 쌍으로 구성된 통합 벤치마크에서 BReF는 22/22 사례 모두에서 문서화된 부모를 정확히 찾아냈고(MRR=1.0000), DP-DF AUC도 1.0000을 기록했다. 다만 동일 계열 내 구분(DP-SF AUC 0.8969)은 상대적으로 어려웠으며, 크기 기반 기존 방식 대비 유의미한 성능 향상을 확인했다.

• •학습 없이 LLM 계보를 추적하는 지문 기법 BReF 제안
• •A/B/C/D 답변 확률 분포의 교란 반응 방향을 코사인 유사도로 비교
• •34개 체크포인트, 22개 문서화 부모 관계에서 22/22 정확히 식별(MRR=1.0000)
• •밀접하게 관련된 체크포인트 간 동일 계열 구분은 상대적으로 더 어려움(AUC 0.8969)
• •크기 기반 baseline 대비 유의미한 정확 검색 성능 향상 확인