Cuestionario vinculado a una guía · Medio Nivel

Prueba de resultados del modelo de lenguaje de marcas de agua

Comprueba las marcas de agua de la lista verde, las estadísticas de detección, la generación de claves secretas, los límites de robustez, las compensaciones de la calidad del texto y SynthID-Text.

Rutas de guía relacionadasResultados del modelo de lenguaje de marcas de agua
Pregunta 1 de 8

En una marca de agua de lista verde/lista roja, ¿cómo se incrusta la señal?

Vista previa de cada pregunta8 preguntas

Las respuestas y explicaciones aparecen a medida que realiza el cuestionario.

  1. En una marca de agua de lista verde/lista roja, ¿cómo se incrusta la señal?
    • Al sesgar el muestreo de tokens hacia una lista verde elegida en secreto
    • Insertando caracteres Unicode invisibles entre palabras
    • Al agregar un pie de página oculto al texto
    • Cifrando toda la salida
  2. ¿Por qué es más difícil detectar el texto con marca de agua cuando es muy corto?
    • El texto breve utiliza un vocabulario diferente.
    • El superávit de fichas verdes es demasiado pequeño para ser estadísticamente significativo
    • Los detectores ignoran el texto de menos de 10 palabras por regla
    • Los textos breves siempre están escritos por humanos
  3. ¿Qué suele determinar si un token aparece en la lista verde o roja?
    • El orden alfabético del token.
    • La dirección IP del usuario
    • Un hash de los tokens anteriores combinado con una clave secreta
    • La hora del día en que se generó el texto.
  4. ¿Qué acción es más probable que elimine o debilite una marca de agua de texto?
    • Leer el texto en voz alta
    • Guardar el archivo en un formato diferente
    • Cambiando la fuente
    • Gran paráfrasis o traducción
  5. ¿Cuál es una compensación clave al aumentar la fuerza del sesgo de los tokens verdes?
    • Aumenta la solidez pero puede degradar la calidad y diversidad del texto.
    • Hace que la detección sea más lenta pero el texto sea más rápido
    • Mejora tanto la detección como la calidad sin coste alguno
    • Elimina la necesidad de una clave secreta.
  6. ¿Qué sistema del mundo real puso en producción las marcas de agua basadas en modelos de lenguaje?
    • Adobe Photoshop
    • Google Texto SynthID de DeepMind
    • Un libro de contabilidad de blockchain
    • Registros DNS
  7. As a watermarked passage gets longer, how does the detector’s green-token z-statistic typically scale?
    • Linearly with the number of model parameters
    • As the inverse square root of the passage length
    • Roughly with the square root of the number of tokens
    • It remains exactly constant
  8. Why is the secret watermark key not embedded directly in the generated text?
    • The vocabulary has no token IDs
    • Embedding a key would disable tokenization
    • The model cannot store character strings
    • The signal is encoded in token choices, while keeping the key secret prevents others from easily reproducing or forging the split