用于大型语言模型的文体学水印

大型语言模型（LLM）的快速发展使得区分人类和机器编写的文本变得越来越困难。为解决这一问题，我们提出了一种生成水印的新方法，该方法在生成过程中策略性地改变 token 概率。与以往工作不同，该方法独特地采用了文体学等语言学特征。具体而言，我们将藏头诗和感觉运动规范引入 LLM。此外，这些特征由一个密钥进行参数化，该密钥每句话更新一次。为了计算该密钥，我们使用语义零样本分类，从而增强了鲁棒性。在我们的评估中，我们发现对于三个或更多句子，我们的方法实现了 0.02 的假阳性和假阴性率。对于循环翻译攻击的情况，我们在七个或更多句子中观察到类似的结果。这项研究对于专有 LLM 尤为重要，有助于促进问责制并防止社会危害。