arXiv cs.CY· Alexander Nemecek, Osama Zafar, Yuqiao Xu, Wenbiao Li, Erman Ayday·· 11 小时前AI 评分31
AI 内容水印的多元评估缺口：谁会被标记？
Who Gets Flagged? The Pluralistic Evaluation Gap in AI Content Watermarking
AI 导读
研究指出，AI 内容水印的检测强度与鲁棒性依赖内容自身的统计特性，而这些特性会随语言、文化视觉传统和人群群体系统性变化，形成各模态特有的偏见路径。综述各模态主要水印基准后发现，除一个例外，均未报告跨语言、跨文化内容类型或不同人群的检测表现。作者据此提出跨语言检测一致性、文化多样内容覆盖、检测指标人群细分三个评估维度，主张水印属于多元对齐流程，公平性评估应先于部署。
正文 · AI 翻译
摘要：水印正成为 AI 内容认证的默认机制，治理政策和框架将其作为内容来源溯源的基础设施加以引用。然而在文本、图像和音频模态中，水印信号强度、可检测性和鲁棒性取决于内容本身的统计特性，而这些特性会因语言、文化视觉传统和人口群体的不同而系统性变化。我们考察了这种内容依赖性如何造成特定模态的偏见路径。回顾各模态的主要水印基准，我们发现，除一个例外，没有任何基准报告跨语言、跨文化内容类型或跨人口群体的性能。为解决这一问题，我们提出了多元水印基准测试的三个具体评估维度：跨语言检测一致性、文化多样内容覆盖，以及检测指标的人口统计学分解。我们认为，水印是多元对齐流程的一部分，应遵循同样的评估标准。我们将此与当前强制要求部署水印但不要求公平性评估的治理框架联系起来。我们的立场是，评估必须先于部署，适用于 AI 模型的偏见审计要求也应扩展到验证层。
| 评论： | 7 页。已被 AAAI 2026 可信智能体系统秋季研讨会（TAS 2026）接收 |
| 主题： | 计算机与社会（cs.CY）；计算与语言（cs.CL）；密码学与安全（cs.CR）；计算机视觉与模式识别（cs.CV） |
| 引用为： | arXiv:2604.13776 [cs.CY] |
| （或 arXiv:2604.13776v3 [cs.CY] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2604.13776 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Alexander Nemecek [查看电子邮件]
[v1]
2026 年 4 月 15 日星期三 12:06:56 UTC（36 KB）
[v2]
2026 年 6 月 9 日星期二 01:55:56 UTC（38 KB）
[v3]
2026 年 10 月 26 日星期一 23:19:46 UTC（32 KB）
来源：arXiv cs.CY · arxiv.org