Tom Sander 与另外 13 位作者于 2026 年 10 月 29 日向 arXiv 提交 TextSeal2,提出一种大语言模型水印方法。作者称,该方法保持目标模型的输出分布,并在推测解码下保留可检测的水印信号。摘要还声称,草稿接受率不变、输出多样性得以保持,且推理延迟没有可测得的增加。[1]

TextSeal 通过抛硬币,为每个词元选择两个密钥之一;检测器不知道实际使用了哪个密钥,因此对两个密钥的分数取平均。TextSeal2 则将两个或更多密钥合并为一个虚拟密钥,再通过 AutoMark 的高斯 copula 将其与新噪声耦合。作者称,这种方式可以合并任意数量的密钥,包括公开共享的密钥,而不削弱检测能力。[1]

在推测解码中,TextSeal2 在草稿指数竞赛的剩余部分上,再运行一次指数竞赛来校验带密钥的草稿。作者将输出严格遵循目标模型分布的性质归因于这一竞赛的无记忆性,并称替换被拒绝草稿的词元仍带有使用相同密钥的水印。[1]

摘要报告了在三个模型上的评估结果:当输出词元多样性相同、误报率为 10⁻³ 时,TextSeal2 对长度为 100 个词元的回答的检测率,比 TextSeal 高 8 至 22 个百分点。在推测解码下,针对 200 个词元的回答,其检测率在接受率相同的条件下,分别比 TextSeal 和 textGrain 高 18 和 22 个百分点。这些均为作者报告的结果。[1]

[1]: TextSeal2: Distortion-Free LLM Watermarking with Copula Mixing and Memoryless Races,arXiv,2026 年 10 月 29 日。

来源

  1. TextSeal2: Distortion-Free LLM Watermarking with Copula Mixing and Memoryless RacesarXiv · 2026年10月29日

核查或更正本页

验证记录

下方摘要可以说明你读到的文字是否与公开的源文件一致,但不能说明报道内容本身正确。这一摘要在构建时根据本页的 Markdown 源文件计算,并列入站点清单。

c29110fd9c10ddf2affbe5158b6a476dacb7cfc2e4f860241349c0fd1dc9909e