研究人员开发了一种方法来分析开放权重大型语言模型中水印在修改下的鲁棒性。该研究推导了在各种编辑和微调攻击下水印证据的理论界限,从而更好地理解当模型权重被改变时这些水印的性能。使用OpenStamp在LLaMA-2-7B和Mistral-7B-v0.3上的实验表明,虽然量化和剪枝的影响很小,但微调显著降低了水印检测率。 AI
影响 为理解LLM水印对模型修改的弹性提供了理论框架和经验证据,为未来的水印设计和安全性提供了信息。
排序理由 该集群包含一篇详细介绍LLM水印鲁棒性理论和经验分析的研究论文。[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 →