PulseAugur
中
实时 08:20:44
English(EN) SWAP: Towards Copyright Auditing of Soft Prompts via Sequential Watermarking

新的SWAP方法审计软提示以保护版权

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种名为SWAP（软提示的顺序水印）的新方法，用于保护大型视觉语言模型（如CLIP）使用的软提示的版权。现有的审计技术无效，因为它们要么引入误报，要么在不损害模型主要任务的情况下嵌入功能性触发器。SWAP通过利用CLIP的零样本能力，将水印编码到一种独特的、更复杂的空间中，即通过特定顺序的非分布类（out-of-distribution classes）进行编码。这种方法确保原始预测标签保持不变，从而对模型的性能损害较小。大量实验表明，SWAP有效、无害且能抵御各种攻击。 AI

影响 引入了一种新颖的AI模型版权保护技术，可能影响专有软提示的开发和部署。

排序理由 这是一篇详细介绍软提示新审计方法的论文。[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 →

新的SWAP方法审计软提示以保护版权

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Wenyuan Yang, Yichen Sun, Changzheng Chen, Zhixuan Chu, Jiaheng Zhang, Yiming Li, Dacheng Tao ·

    SWAP：通过顺序水印实现软提示的版权审计

    arXiv:2511.04711v2 Announce Type: replace-cross Abstract: Large-scale vision-language models, especially CLIP, have demonstrated remarkable performance across diverse downstream tasks. Soft prompts, as carefully crafted modules that efficiently adapt vision-language models to spe…

相关实体

相关话题