提出扩散语言模型水印新方法

Hyojun Kim 等在 arXiv 发布论文，提出针对扩散语言模型的水印方法，将此前固定不变的两个组件改为学习得到：作为绿名单的词表频带，以及估计候选词如何影响邻近位置预测的前瞻预测器。 实验结果基于 WaterBench 和 LLaDA-8B-Instruct 模型：每个学习得到的组件在同等失真下提高 z 分数；该方法在 1% 误报率下至少检测出 96% 的回复，同时 LLM 评审分数与未加水印文本相当。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。