deletion attacks

新的RMCW水印方法增强了LLM文本的鲁棒性

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。