两篇新研究论文提出检测AI生成文本中水印的方法,针对不同类型的语言模型。第一篇论文《语言模型水印检测的预测似然比》侧重于自回归模型,并引入了一种通过平均概率赤字中的不确定性来提高鲁棒性的检测测试。第二篇论文《DenMark:扩散语言模型的鲁棒语义水印》提出了一个专门针对非自回归扩散语言模型的框架,通过将水印集成到去噪过程中并使用语义前瞻来实现。 AI
影响 这些方法旨在提高AI生成内容的溯源能力,这对于打击虚假信息和确保负责任的AI部署至关重要。
排序理由 两篇在arXiv上发表的学术论文,详细介绍了AI生成文本的水印新方法。
- alphaXiv
- arXiv
- autoregressive language models
- CatalyzeX
- CORE Recommender
- DagsHub
- Denmark
- Diffusion language models
- Gotit.pub
- Gumbel
- Hugging Face
- Influence Flower
- Li et al. (2025)
- ScienceCast
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →