研究者提出本地差分隐私语言模型水印RGS

Elise L. Han 和 Tatsunori Hashimoto 在一项 arXiv 研究中提出本地差分隐私语言模型水印，并开发了 Red-Green Sequence（RGS）水印。研究称，RGS 在高隐私水平下仍能准确估计使用频率。 该方法的核心思路是将水印目标从追踪个体改为估计总体使用频率，以此调和隐私保护与来源追踪之间的矛盾。据论文介绍，RGS 在多种模型、样本量和生成熵条件下、贴近实际部署的场景中均表现有效。

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。