Filigranlama Dili Modeli Çıktıları Testi

Testi çözdüğünüzde cevaplar ve açıklamalar görünür.

1. Yeşil liste/kırmızı liste filigranında sinyal nasıl gömülür?
   • Token örneklemesini gizlice seçilmiş bir yeşil listeye yönlendirerek
   • Kelimelerin arasına görünmez Unicode karakterler ekleyerek
   • Metne gizli bir altbilgi ekleyerek
   • Çıktının tamamını şifreleyerek
2. Filigranlı metnin çok kısa olması durumunda algılanması neden daha zordur?
   • Kısa metin farklı bir kelime dağarcığı kullanır
   • Yeşil token fazlası istatistiksel olarak anlamlı olamayacak kadar küçük
   • Dedektörler kurala göre 10 kelimenin altındaki metni yok sayar
   • Kısa metin her zaman insan tarafından yazılır
3. Bir tokenın yeşil listeye mi yoksa kırmızı listeye mi gireceğini genellikle ne belirler?
   • Tokenın alfabetik sırası
   • Kullanıcının IP adresi
   • Önceki tokenlerin gizli bir anahtarla birleştirilmiş bir karması
   • Metnin oluşturulduğu günün saati
4. Bir metin filigranını kaldırma veya zayıflatma olasılığı en yüksek olan eylem hangisidir?
   • Metnin yüksek sesle okunması
   • Dosyayı farklı bir formatta kaydetme
   • Yazı tipini değiştirme
   • Ağır ifadeler veya çeviri
5. Yeşil token önyargısının gücünü arttırırken önemli bir değiş-tokuş nedir?
   • Sağlamlığı artırır ancak metin kalitesini ve çeşitliliğini düşürebilir
   • Algılamayı yavaşlatır ancak metni daha hızlı hale getirir
   • Hiçbir maliyet olmadan hem algılamayı hem de kaliteyi artırır
   • Gizli anahtar ihtiyacını ortadan kaldırır
6. Dil modeli filigranını üretime hangi gerçek dünya sistemi getirdi?
   • Adobe Photoshop
   • Google DeepMind'ın SynthID Metni
   • Bir blockchain defteri
   • DNS kayıtları
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