研究人员开发了一种名为“合并对抗训练”（Merge-Adversarial Training）的新方法，为开源大语言模型（LLMs）创建持久的水印。这些水印旨在抵抗训练后修改，特别是模型合并，后者常用于结合专家知识或防止遗忘。所提出的方法在性能上持续优于现有方法，并保留了大语言模型下游能力，表明对抗训练是增强水印抵抗此类修改持久性的可靠技术。 AI
影响 增强了开源大语言模型输出在面对常见的训练后修改时的可追溯性。
排序理由 该集群包含一篇详细介绍大语言模型水印新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
