English(EN) Learning to Follow In-Context Watermark Instructions via Self-Distillation

新基准显示大型语言模型在遵循上下文水印指令方面存在困难

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-01 04:00

研究人员开发了一个新的基准 ICWBench，用于评估大型语言模型遵循上下文水印指令的能力。他们对 14 个大型语言模型的评估显示，没有一个模型能够始终如一地同时实现高检测率和高质量的回答。为了解决这个问题，他们提出了一种两阶段的训练方法：带 logits 扰动的自蒸馏（SDLP）和强化学习，该方法在 Qwen3-14B 和 GPT-OSS-20B 上显著提高了性能，同时保持了响应质量。 AI

影响这项研究引入了一种新的大型语言模型水印评估方法和一种改进指令遵循能力的训练技术，有望增强 AI 生成内容的安全性与可追溯性。

排序理由该集群包含一篇学术论文，详细介绍了一个新的大型语言模型基准和训练方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

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

本文如何被排名

Signal score: 30 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇学术论文，详细介绍了一个新的大型语言模型基准和训练方法。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, model release; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Yepeng Liu, Tianyi Chen, Xuandong Zhao, Dawn Song, Yuheng Bu · 2026-09-01 04:00

通过自蒸馏学习遵循上下文水印指令

arXiv:2608.29030v1 Announce Type: new Abstract: In-context watermarking (ICW) prepends an instruction to a query asking the model to embed a statistically detectable signal in its response. It thus equips LLMs with a watermarking interface that third parties can invoke without ac…

本文如何被排名

报道来源 [1]

通过自蒸馏学习遵循上下文水印指令

相关实体

相关话题