该论文指出，当前大语言模型（LLM）输出水印方案的评估几乎完全基于英文文本，并且使用固定的检测阈值和狭窄的一组质量测量手段，这使得跨语言部署中的公平性问题被系统性忽视。作者提出了一套跨语言公平性审计框架，包含四个关键组成部分：第一，根据具体部署上下文经验校准检测阈值；第二，引入一种与阈值无关的伴随测量指标，用于区分校准失败与检测失败；第三，采用三种互斥的质量评估范式（分布相似性、配对语义相似性和参考困惑度）；第四，使用广义熵分解方法，基于语言类型学家族划分来分析跨语言差异的来源。研究团队将这一框架应用于六种水印方案、三种开放权重生成器、涵盖四种文字系统和八个类型学家族的十一种语言，并同时考察了基础和指令调优两种配置。实验结果揭示了单语言、单范式评估无法发现的失败模式。在检测和质量两个维度上，观测到的差异主要集中在类型学家族之间，这表明跨语言公平性差距是语言结构属性的结构性结果，而非个别语言的独特怪癖。该框架为多语言部署下的水印公平性评估提供了系统方法论，有助于识别和修复潜在的跨语言偏差，对LLM内容溯源、版权保护和生成内容治理具有重要参考价值。适合自然语言处理、AI安全与隐私保护领域的研究人员阅读。