本论文提出了一种针对大型语言模型（LLM）的新型免同步水印方案，可同时应用于自回归模型和扩散模型。方案的核心创新在于每个水印由单个二元同余构成，该同余由相邻的两个token生成。具体地，对于每对相邻token，通过密码学哈希确定一个里德-所罗门（Reed-Solomon）多项式的求值点，该多项式代表秘密身份；多项式求值的奇偶性决定了嵌入到第二个token中的水印比特。由于每个同余是自包含的且仅依赖局部token对，该构造天然抵抗插入、删除和token重排操作。本文从代数角度分析了水印恢复问题，讨论了适用于不同身份规模的多种解码算法，并将水印损坏建模为二元对称信道（BSC）。分析表明，即使在相对较高的token损坏率下，仅需少量冗余即可实现可靠恢复。与现有基于块的水印方案相比，该方法避免了同步问题，同时为嵌入短或长的秘密身份提供了灵活的框架。实验部分（若文中提供）应验证了该方案在鲁棒性和效率上的优势。

本文针对开放大语言模型（LLM）生态系统中模型在多领域、多应用场景下频繁适配形成多阶段衍生链导致的贡献溯源与知识产权保护难题，提出了一种名为LineageMark的多用户白盒水印框架。现有水印方法主要针对单用户一次性嵌入，无法有效应对多次模型衍生和增量更新的场景。LineageMark采用基于投影的方法在模型参数中嵌入水印：首先通过稳定性筛选选择对模型变化不敏感的稳定载体参数；然后利用这些载体上的投影统计量表示每个水印位；额外水印插入仅在投影空间中引入有界扰动，并通过边距约束保持信号完整性。实验在多阶段模型衍生链上验证了LineageMark的有效性，结果表明该框架能够在多阶段衍生过程中保留贡献者水印，支持增量多用户水印插入，并且对重水印、微调、量化、剪枝等扰动具有鲁棒性。该方法为模型溯源和知识产权保护提供了可靠的技术手段。