面向人类编辑的大语言模型水印鲁棒检测

水印提供了有效区分大语言模型(LLM)生成文本与人类撰写文本的方法。然而，人类编辑在LLM生成文本上的普遍存在会稀释水印信号，从而显著降低现有方法的检测性能。在本文中，我们通过混合模型检测建模人类编辑，引入一种新的检测方法，形式为针对人类编辑下水印文本的截断良好拟合检验，称为Tr-GoF。我们证明，Tr-GoF检验在显著文本修改且水印信号消失的渐近 regime中，对Gumbel-max水印实现鲁棒检测的最优性。重要的是，Tr-GoF以自适应方式实现此最优性，因为它无需精确知道人类编辑水平或LLM的概率规范，与Neyman-Pearson似然比检验相对，后者虽然最优但实用性差。此外，我们建立Tr-GoF检验在中等文本修改 regime中实现最高检测效率率。 starkly相反，我们表明，由于统计量的加性特性不够抗edit-induced噪声，sum-based检测规则在两个 regime中均未实现最优鲁棒性。最后，我们在合成数据和开源LLM（OPT和LLaMA系列）上演示了Tr-GoF检验的具竞争力且有时优于现有方法的实证性能。