SAC-Copula: Quality-Preserving Watermarking for Diffusion Language Models via Smooth Correlated Gumbel Fields
该论文提出 SAC-Copula,一种面向扩散语言模型(DLM)的保质量水印方法。与自回归解码不同,DLM 采用迭代并行去掩码机制,现有基于采样的水印方法通常注入逐位置的独立同分布扰动,与 DLM 的解码动态不匹配,导致生成质量下降。SAC
共收录 2 条相关情报。
← 返回所有主题该论文提出 SAC-Copula,一种面向扩散语言模型(DLM)的保质量水印方法。与自回归解码不同,DLM 采用迭代并行去掩码机制,现有基于采样的水印方法通常注入逐位置的独立同分布扰动,与 DLM 的解码动态不匹配,导致生成质量下降。SAC
该论文提出了一种针对扩散语言模型的全局草图水印方法。与自回归模型中逐token顺序生成并依赖局部上下文的水印方案不同,扩散语言模型在生成过程中同时采样多个未确定位置的分布,使得整个序列的加性统计量在生成时是可处理的。作者利用这一特性,设计了