Watermarkability

新指标“水印性”提高了语言模型与水印的兼容性

研究人员引入了一个名为“水印性”的新指标，用于评估语言模型与基于logit的水印技术兼容的程度。该指标量化了模型为指定标记集分配足够概率所带来的成本。为了提高这种兼容性，提出了一种两阶段方法：首先，训练一个低秩适配器以增加目标集的概率质量，然后，控制器应用最小的logit偏差以满足目标概率。在OPT-125M和Qwen3_8B模型上的评估表明，这种方法在保持水印依从性高可靠性的同时，显著降低了困惑度增加。