PulseAugur
实时 08:39:23
English(EN) Efficient Online LLM Watermark Detection via Rao-Blackwellized E-Processes

新的大语言模型水印检测采用随时有效的推理

研究人员开发了一种新的大语言模型(LLM)水印在线检测框架,该框架支持随时有效的推理。这种基于Rao-Blackwellized e-过程的方法能够递归地更新令牌级证据,而无需存储整个文本历史记录。该框架已针对Gumbel-max水印进行了实例化,将检测问题转化为序贯检验问题。理论分析证实了随时有效的I类错误控制和正的渐近对数增长,表明了其一致性。在真实大语言模型生成文本上的实验表明,该方法能够进行高效的在线检测并保证有效性。 AI

影响 能够更高效、更可靠地在实时应用中检测AI生成文本。

排序理由 该集群包含一篇详细介绍大语言模型水印检测新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv stat.ML 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的大语言模型水印检测采用随时有效的推理

报道来源 [1]

  1. arXiv stat.ML TIER_1 English(EN) · Lu Luo, Dandan Mo, Chengdong Xu, Ting Li, Jinhan Xie, Huiqiong Li, Niansheng Tang ·

    Efficient Online LLM Watermark Detection via Rao-Blackwellized E-Processes

    arXiv:2607.21958v1 Announce Type: new Abstract: As large language models (LLMs) are increasingly deployed, reliable and efficient mechanisms for distinguishing AI-generated text from human-written content have become essential. Statistical watermarking has emerged as a promising …