AI 内容水印的Pluralistic评估缺口：谁会被标记？
计算机与社会
2026-04-16 v1 计算与语言
密码学与安全
计算机视觉与模式识别
摘要
水印正逐渐成为 AI 内容认证的默认机制, 许多治理政策和框架都将其引用为内容源头追溯的基础设施. 然而, 在文本、图像和音频等模态中, 水印信号强度、可探测性和鲁棒性依赖于内容本身的统计特性, 这些特性在不同语言、文化视觉传统和人口统计分组之间系统性地变化. 我们检视了这种内容依赖性如何创建模态特有的偏差路径. 审查主要水印基准测试后发现, 除一例外外, 所有测试都未在语言、文化内容类型或人口统计分组上报告绩效. 为此, 我们提出了三个具体的Pluralistic水印评估维度: 跨语言检测平等性、文化多样化内容覆盖, 以及人口统计分组检测指标的分解. 我们将这些维度与当前规定水印部署的治理框架联系起来, 并指出水印的公平性标准低于它所要管控的生成系统. 我们的立场是, 评估必须在部署之前进行, 并且, 同一要求适用于 AI 模型的偏差审计要求也应延伸至验证层.
引用
@article{arxiv.2604.13776,
title = {Who Gets Flagged? The Pluralistic Evaluation Gap in AI Content Watermarking},
author = {Alexander Nemecek and Osama Zafar and Yuqiao Xu and Wenbiao Li and Erman Ayday},
journal= {arXiv preprint arXiv:2604.13776},
year = {2026}
}
备注
7 pages