แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ปานกลาง ระดับ

แบบทดสอบเอาต์พุตโมเดลภาษาลายน้ำ

ตรวจสอบลายน้ำในรายการสีเขียว สถิติการตรวจจับ การเริ่มคีย์ลับ ขีดจำกัดความคงทน การแลกเปลี่ยนคุณภาพข้อความ และข้อความ SynthID

เส้นทางแนะนำที่เกี่ยวข้องเอาต์พุตโมเดลภาษาลายน้ำ
คำถาม 1 ของ 8

ในลายน้ำรายการสีเขียว/รายการสีแดง สัญญาณฝังอยู่อย่างไร

ดูตัวอย่างทุกคำถาม8 คำถาม

คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ

  1. ในลายน้ำรายการสีเขียว/รายการสีแดง สัญญาณฝังอยู่อย่างไร
    • โดยการสุ่มตัวอย่างโทเค็นแบบเอนเอียงไปยังรายการสีเขียวที่เลือกอย่างลับๆ
    • โดยการแทรกอักขระ Unicode ที่มองไม่เห็นระหว่างคำ
    • โดยการเพิ่มส่วนท้ายที่ซ่อนอยู่ต่อท้ายข้อความ
    • โดยการเข้ารหัสเอาต์พุตทั้งหมด
  2. เหตุใดข้อความลายน้ำจึงตรวจพบได้ยากกว่าเมื่อข้อความสั้นมาก
    • ข้อความสั้นใช้คำศัพท์ที่แตกต่างกัน
    • ส่วนเกินโทเค็นสีเขียวน้อยเกินไปที่จะมีนัยสำคัญทางสถิติ
    • ตัวตรวจจับจะเพิกเฉยต่อข้อความที่มีความยาวต่ำกว่า 10 คำตามกฎ
    • ข้อความสั้นมักเขียนโดยมนุษย์เสมอ
  3. โดยทั่วไปแล้วอะไรจะกำหนดว่าโทเค็นจะเข้าสู่รายการสีเขียวหรือสีแดง
    • ลำดับตัวอักษรของโทเค็น
    • ที่อยู่ IP ของผู้ใช้
    • แฮชของโทเค็นก่อนหน้ารวมกับคีย์ลับ
    • เวลาของวันที่ข้อความถูกสร้างขึ้น
  4. การกระทำใดมีแนวโน้มที่จะลบหรือลดลายน้ำข้อความได้มากที่สุด
    • การอ่านออกเสียงข้อความ
    • บันทึกไฟล์ในรูปแบบอื่น
    • การเปลี่ยนแบบอักษร
    • การถอดความหรือการแปลที่หนักหน่วง
  5. อะไรคือข้อแลกเปลี่ยนที่สำคัญเมื่อเพิ่มความแข็งแกร่งของอคติโทเค็นสีเขียว?
    • มันเพิ่มความคงทนแต่สามารถลดคุณภาพและความหลากหลายของข้อความได้
    • ทำให้การตรวจจับช้าลงแต่ข้อความเร็วขึ้น
    • ปรับปรุงทั้งการตรวจจับและคุณภาพโดยไม่มีค่าใช้จ่าย
    • ไม่จำเป็นต้องใช้รหัสลับอีกต่อไป
  6. ระบบใดในโลกแห่งความเป็นจริงที่นำลายน้ำแบบจำลองภาษามาสู่การผลิต
    • อะโดบี โฟโต้ช็อป
    • Google ข้อความ SynthID ของ DeepMind
    • บัญชีแยกประเภท blockchain
    • บันทึก 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