ICWBench

新基准显示大型语言模型在遵循上下文水印指令方面存在困难

研究人员开发了一个新的基准 ICWBench，用于评估大型语言模型遵循上下文水印指令的能力。他们对 14 个大型语言模型的评估显示，没有一个模型能够始终如一地同时实现高检测率和高质量的回答。为了解决这个问题，他们提出了一种两阶段的训练方法：带 logits 扰动的自蒸馏（SDLP）和强化学习，该方法在 Qwen3-14B 和 GPT-OSS-20B 上显著提高了性能，同时保持了响应质量。