arXiv cs.CL· Jiahao Xu, Rui Hu, Olivera Kotevska, Zikai Zhang·· 3 天前AI 评分26
面向大语言模型的多数位感知水印方法
Majority Bit-Aware Watermarking For Large Language Models
AI 导读
研究者提出多数位感知编码（majority bit-aware encoding）新范式，将水印信号强度与绿名单规模解耦，即使使用大绿名单也能在生成文本中保留强水印信号。基于该范式给出 MajorMark 与面向长消息优化的 MajorMark⁺ 两种实现，在 SOTA LLM 上取得比既有基线更高的解码准确率和更优文本质量。该工作已被 NeurIPS 2026 接收，代码已开源。
正文 · AI 翻译
摘要：随着大型语言模型（LLM）的部署日益广泛，人们对其被滥用于生成有害或欺骗性内容的担忧也与日俱增。为解决这一问题，研究者提出了水印方法，将可识别的多比特消息嵌入生成的文本中，以便追溯滥用行为。然而，现有方法往往在文本质量与解码准确率之间面临根本性的权衡。具体而言，它们必须在编码阶段限制偏好词元集合（即绿色列表）的大小，以维持可检测的水印信号用于解码，这不可避免地会降低生成质量。为改善这一权衡，我们提出了一种新颖的消息编码范式，称为 \textit{多数比特感知编码}，它将水印信号强度从绿色列表大小中解放出来。该策略使得即使使用较大的绿色列表，也能在生成文本中保留强水印信号。我们介绍了该范式的两种实例：MajorMark 和 MajorMark$^{+}$，其中后者专门针对长消息进行了优化。在最先进的 LLM 上进行的大量实验表明，与先前基线相比，我们的方法实现了更高的解码准确率和更优的文本质量。代码见 此 https URL。
| 评论： | 本工作已被接收在 NeurIPS 2026 上展示 |
| 主题： | 计算与语言（cs.CL）；密码学与安全（cs.CR） |
| 引用为： | arXiv:2508.03829 [cs.CL] |
| （或 arXiv:2508.03829v3 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2508.03829 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Jiahao Xu [查看邮箱]
[v1]
2025年8月5日星期二 18:19:00 UTC（712 KB）
[v2]
2026年5月8日星期五 22:08:12 UTC（900 KB）
[v3]
2026年10月13日星期二 21:51:12 UTC（899 KB）
来源：arXiv cs.CL · arxiv.org