SLAM：结构语言激活标记用于语言模型

LLM 水印必须在不损害文本质量的前提下被检测，但大多数现有方案会偏向下一个 token 的分布，以牺牲可检测性为代价。我们提出了 SLAM (Structural Linguistic Activation Marking)，一种新型白盒水印方案，通过将标记写入结构几何而非 token 频率来规避这一成本：稀疏自编码器识别编码语言结构（如语态、时态、从句顺序）的残差流方向，并在生成时对这些方向进行因果引导，保持词汇抽样和语义不受约束。在 Gemma-2 2B 和 9B 上，SLAM 实现了 100% 的检测准确率，质量代价仅为 1-2 个 reward 分数——相较于 KGW、EWD 和 Unigram 的 7.5-11.5，自然度和多样性在两款模型下均接近未加水印水平。其权衡是互补的鲁棒性轮廓：SLAM 抗词级编辑，但对重构语法的改写（需付出质量代价）较为脆弱，这正是 token 分布方法的对立面。