研究人员开发了一种用于大型语言模型生成文本的新水印方法,称为Reed-Muller Code Watermarking (RMCW)。该技术旨在更有效地抵御删除攻击,这类攻击会通过改变词元位置来破坏传统水印。RMCW利用Reed-Muller码和Reed-Solomon一致性测试来识别经过后处理的生成文本。在OPT-1.3B和Llama 3.1 8B-Instruct等模型上的实验表明,RMCW在抵御各种删除和重写攻击的同时,能有效保持可检测性。 AI
影响 增强了在复杂的操纵技术下检测AI生成文本的能力。
排序理由 该集群包含一篇详细介绍语言模型输出新水印方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]
- arXiv
- Berlekamp--Welch
- C4 model
- deletion attacks
- ELI5
- language models
- Llama 3.1 8B-Instruct
- OPT-1.3B
- Reed--Muller codes
- Reed--Solomon
- RMCW
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →