Meta 提出 WM-Basin 检测蒸馏模型水印

Meta 发表论文《Watermark Basins》，提出 WM-Basin 方法：从带水印 API 输出蒸馏出的学生模型，其权重中会保留与密钥相关的痕迹，因此仅凭该模型生成的文本即可进行黑盒检测。 在 1200 个蒸馏模型、0.1% 误报率的测试中，该方法对 n-gram=1 水印的检出率为 79%，而 token 计数方法为 29%。论文称，量化、轻度剪枝和强化学习后训练都未能消除这一痕迹，但在干净数据上进一步微调会使其减弱。

AI 根据报道生成 · 50 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。