Kuiz berkaitan panduan · Sederhana Tahap

Kuiz Teks Dijana LLM Penanda Air

Bandingkan tera air teks statistik, dengan berat sebelah token hijau, pengesanan berkunci, SynthID-Text, had pengeditan dan pengiraan z-statistik yang berjaya.

soalan 1 daripada 8

Bagaimanakah tera air senarai hijau lembut dalam skim yang disebut mempengaruhi penjanaan token?

Pratonton setiap soalan8 soalan

Jawapan dan penjelasan muncul semasa anda mengambil kuiz.

  1. Bagaimanakah tera air senarai hijau lembut dalam skim yang disebut mempengaruhi penjanaan token?
    • By requiring a visible watermark sentence in every output
    • By encrypting every word into unreadable bytes
    • By adding a preference bias to green-token logits
    • By guaranteeing that every generated token belongs to the green list
  2. Apakah yang mesti sepadan apabila menggunakan pengesan untuk tera air token hijau yang dikunci?
    • The full original training dataset in every case
    • Physical access to the generation GPU
    • Every prompt the provider has ever received
    • The candidate text, scheme settings, tokenization and relevant key
  3. Mengapakah petikan yang lebih panjang boleh memberikan lebih banyak bukti untuk tera air teks statistik?
    • A law requires every long passage to be flagged
    • More scored tokens can make a persistent signal easier to distinguish from null variation
    • Every longer passage must have better factual accuracy
    • All short texts are necessarily unwatermarked
  4. Tera air teks yang diterbitkan manakah menggunakan pensampelan kejohanan dan didokumenkan untuk teks Gemini?
    • SynthID-Text
    • A standard PDF font renderer
    • The TCP packet checksum
    • An ordinary dictionary spell checker
  5. Apakah cara yang diketahui untuk melemahkan atau mengalih keluar tera air teks?
    • Membacanya dengan kuat
    • Menyimpannya sebagai PDF
    • Mencetaknya dalam warna yang berbeza
    • Parafrasa atau terjemahan yang berat
  6. What input helps reproduce green-list selection in the original context-dependent scheme?
    • A required live clock reading
    • The relevant preceding token context under the scheme’s seeding rule
    • Only the author’s IP address
    • Only the displayed font color
  7. Using z=(G−gamma×T)/sqrt(T×gamma×(1−gamma)), what is z for T=100, gamma=0.5 and G=60?
    • 2
    • 1
    • 5
    • 10
  8. Why does failing to detect one particular watermark not establish that a passage is human-written?
    • All machine-generated text must contain that exact keyed signature
    • Every negative score proves human authorship mathematically
    • Machine-generated text may not carry the tested watermark or matching configuration
    • The detector has necessarily recovered the original prompt