AutoMark: Enabling Autoresearch to Discover Better LLM Watermarks
该论文《AutoMark: Enabling Autoresearch to Discover Better LLM Watermarks》研究如何让自动化研究代理（autoresearch agents）自主发现新的、更优的大语言模型（L
#llm-watermarking
共收录 4 条相关情报。
← 返回所有主题Beyond Semantic Narrowing: Robust and Efficient LLM Watermarking with Hamming Neighborhoods
该论文关注大语言模型生成内容的溯源与标识问题。语义水印通过在句子级语义表示中嵌入可检测信号，相比词元级水印更能抵抗改写、翻译等水印去除攻击，因此成为 AI 内容溯源的重要方向。但作者指出，现有语义水印方法存在一个被忽视的结构性缺陷：它们把一
Synchronization-Free Algebraic Fingerprints for Large Language Models: From Autoregressive to Diffusion Models
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
LineageMark: Multi-user White-box Watermarking for Contribution Tracing in Model Derivation Chains
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