워터마킹 언어 모델 출력 퀴즈

퀴즈를 풀면 정답과 설명이 나타납니다.

1. 그린리스트/레드리스트 워터마크에 신호는 어떻게 삽입되나요?
   • 토큰 샘플링을 비밀리에 선택된 녹색 목록으로 편향함으로써
   • 단어 사이에 보이지 않는 유니코드 문자를 삽입하여
   • 텍스트에 숨겨진 바닥글을 추가하여
   • 전체 출력을 암호화하여
2. 워터마크가 있는 텍스트가 매우 짧을 때 감지하기가 더 어려운 이유는 무엇입니까?
   • 짧은 텍스트는 다른 어휘를 사용합니다.
   • 녹색 토큰 잉여분은 너무 작아서 통계적으로 유의미하지 않습니다.
   • 탐지기는 규칙에 따라 10단어 미만의 텍스트를 무시합니다.
   • 짧은 텍스트는 항상 사람이 작성합니다.
3. 토큰이 녹색 목록에 있는지, 빨간색 목록에 있는지는 일반적으로 어떻게 결정합니까?
   • 토큰의 알파벳 순서
   • 사용자의 IP 주소
   • 비밀 키와 결합된 이전 토큰의 해시
   • 텍스트가 생성된 시간
4. 텍스트 워터마크를 제거하거나 약화시킬 가능성이 가장 높은 작업은 무엇입니까?
   • 텍스트를 소리내어 읽기
   • 파일을 다른 형식으로 저장
   • 글꼴 변경
   • 심한 의역 또는 번역
5. 녹색 토큰 편향의 강도를 높일 때 주요 절충점은 무엇입니까?
   • 견고성은 향상되지만 텍스트 품질과 다양성이 저하될 수 있습니다.
   • 감지 속도는 느려지지만 텍스트는 더 빨라집니다.
   • 비용 없이 탐지와 품질을 모두 향상시킵니다.
   • 비밀 키가 필요하지 않습니다.
6. 언어 모델 워터마킹을 프로덕션에 도입한 실제 시스템은 무엇입니까?
   • 어도비 포토샵
   • Google DeepMind의 SynthID-텍스트
   • 블록체인 원장
   • DNS 레코드
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