वॉटरमार्किंग भाषा मॉडल आउटपुट

वॉटरमार्किंग एआई-जनित पाठ में एक छिपे हुए सांख्यिकीय संकेत को एम्बेड करता है ताकि बाद में इसे मशीन-लिखित के रूप में पहचाना जा सके, बिना यह बदले कि मानव पाठक क्या देखता है। यह गलत सूचना, शैक्षणिक बेईमानी और बड़े पैमाने पर लेबल रहित एआई सामग्री का पता लगाने के लिए महत्वपूर्ण है।

यह योजना एक गुप्त बीज का उपयोग करके शब्दावली को हरे और लाल सूचियों में विभाजित करती है और मॉडल को हरे टोकन को प्राथमिकता देने के लिए प्रेरित करती है, जिससे किसी भी दृश्य चिह्न के बजाय एक सांख्यिकीय अधिशेष निकल जाता है।

पता लगाने का आँकड़ा टोकन पर जमा होता है और अनुक्रम लंबाई के साथ बढ़ता है, इसलिए छोटे मार्ग में पर्याप्त हरे-टोकन अधिशेष का अभाव होता है ताकि आत्मविश्वास से मौका पार किया जा सके।

पूर्व टोकन और एक गुप्त कुंजी द्वारा बीजित एक छद्म आयामी फ़ंक्शन शब्दावली को प्रतिलिपि प्रस्तुत करने योग्य रूप से विभाजित करता है, इसलिए डिटेक्टर बाद में समान सूचियों की पुन: गणना कर सकता है।

व्याख्या और अनुवाद कई वॉटरमार्क वाले टोकन विकल्पों को प्रतिस्थापित कर देते हैं, जिससे सावधानी से रखे गए हरे-टोकन अधिशेष को हटा दिया जाता है जिस पर डिटेक्टर निर्भर करता है।

एक मजबूत पूर्वाग्रह एक स्पष्ट, अधिक मजबूत संकेत उत्पन्न करता है लेकिन मॉडल को उसके पसंदीदा टोकन से दूर कर देता है, जिससे प्रवाह और विविधता को थोड़ा नुकसान पहुंचता है।