論文の概要: A Unified Framework for LLM Watermarks

• arxiv url: http://arxiv.org/abs/2602.06754v1
• Date: Fri, 06 Feb 2026 15:00:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-09 22:18:26.432627
• Title: A Unified Framework for LLM Watermarks
• Title（参考訳）: LLM透かしのための統一フレームワーク
• Authors: Thibaud Gloaguen, Robin Staab, Nikola Jovanović, Martin Vechev,
• Abstract要約: 本稿では,既存の透かし方式のほとんどを,原則的制約付き最適化問題から導出できることを示す。 我々のフレームワークはまた、特定の要求に合わせた新しい透かし方式を設計するための原則的なアプローチも提供する。
• 参考スコア（独自算出の注目度）: 9.515480957792542
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: LLM watermarks allow tracing AI-generated texts by inserting a detectable signal into their generated content. Recent works have proposed a wide range of watermarking algorithms, each with distinct designs, usually built using a bottom-up approach. Crucially, there is no general and principled formulation for LLM watermarking. In this work, we show that most existing and widely used watermarking schemes can in fact be derived from a principled constrained optimization problem. Our formulation unifies existing watermarking methods and explicitly reveals the constraints that each method optimizes. In particular, it highlights an understudied quality-diversity-power trade-off. At the same time, our framework also provides a principled approach for designing novel watermarking schemes tailored to specific requirements. For instance, it allows us to directly use perplexity as a proxy for quality, and derive new schemes that are optimal with respect to this constraint. Our experimental evaluation validates our framework: watermarking schemes derived from a given constraint consistently maximize detection power with respect to that constraint.
• Abstract（参考訳）: LLM透かしは、検出可能な信号を生成されたコンテンツに挿入することで、AI生成テキストのトレースを可能にする。 近年の研究では、ボトムアップアプローチを用いて構築される異なる設計の透かしアルゴリズムが提案されている。 重要なことに、LLM透かしの一般的および原則的な定式化は存在しない。 本研究では,既存の透かし方式のほとんどが,原則的制約付き最適化問題から導出可能であることを示す。 我々の定式化は既存の透かし手法を統一し、各手法が最適化する制約を明確に明らかにする。 特に、未調査の質と多様性のトレードオフを強調している。 同時に、我々のフレームワークは、特定の要求に合わせた新しい透かし方式を設計するための原則的なアプローチも提供します。 例えば、品質のプロキシとしてパープレキシティを直接使用することができ、この制約に対して最適な新しいスキームを導出することができます。 実験による評価では, 与えられた制約から導出される透かし方式は, その制約に対して一貫して検出力を最大化する。

関連論文リスト

• Detecting Post-generation Edits to Watermarked LLM Outputs via Combinatorial Watermarking [51.417096446156926]
  ウォーターマークされたLCM出力に局所的に編集されたポストジェネレーションの編集を検出する。 本稿では,語彙を部分集合に分割し,透かしを埋め込むパターンベースの透かしフレームワークを提案する。 本手法は,様々な編集シナリオにおけるオープンソースのLCMについて評価し,編集ローカライゼーションにおける強力な経験的性能を示す。
  論文  参考訳（メタデータ） (2025-10-02T03:33:12Z)
• In-Context Watermarks for Large Language Models [71.29952527565749]
  In-Context Watermarking (ICW)は、インシデントエンジニアリングのみで生成されたテキストに透かしを埋め込む。 粒度の異なる4つのICW戦略について検討した。 本実験は,モデルに依存しない実用的な透かし手法としてのICWの実現可能性を検証するものである。
  論文  参考訳（メタデータ） (2025-05-22T17:24:51Z)
• Entropy-Guided Watermarking for LLMs: A Test-Time Framework for Robust and Traceable Text Generation [58.85645136534301]
  サンプルテキストの既存の透かし方式は、テキスト品質の維持と各種攻撃に対する堅牢な検出とのトレードオフに直面していることが多い。 累積透かしエントロピー閾値を導入することにより,検出性とテキスト品質を両立させる新しい透かし方式を提案する。
  論文  参考訳（メタデータ） (2025-04-16T14:16:38Z)
• Theoretically Grounded Framework for LLM Watermarking: A Distribution-Adaptive Approach [53.32564762183639]
  大規模言語モデル(LLM)の透かしのための新しい統一的理論フレームワークを導入する。 本研究の目的は,最悪の偽陽性率(FPR)の制御とテキスト品質の歪みを維持しつつ,検出性能を最大化することである。 モデル非依存と効率性に代えて代理モデルを利用する歪みのない分散適応型透かしアルゴリズム(DAWA)を提案する。
  論文  参考訳（メタデータ） (2024-10-03T18:28:10Z)
• A Statistical Framework of Watermarks for Large Language Models: Pivot, Detection Efficiency and Optimal Rules [27.382399391266564]
  我々は,透かしの統計的効率と強力な検出規則を推論するための枠組みを導入する。 枠組みに基づく透かしの最適検出規則を導出する。
  論文  参考訳（メタデータ） (2024-04-01T17:03:41Z)
• Token-Specific Watermarking with Enhanced Detectability and Semantic Coherence for Large Language Models [31.062753031312006]
  大規模言語モデルは、潜在的な誤報を伴う高品質な応答を生成する。 ウォーターマーキングは、テキストに隠れたマーカーを埋め込むことによって、この文脈において重要な意味を持つ。 ウォーターマーキングのための新しい多目的最適化(MOO)手法を提案する。 本手法は,検出性と意味的整合性を同時に達成する。
  論文  参考訳（メタデータ） (2024-02-28T05:43:22Z)
• WMFormer++: Nested Transformer for Visible Watermark Removal via Implict Joint Learning [68.00975867932331]
  既存の透かし除去法は主にタスク固有のデコーダブランチを持つUNetに依存している。 両分野の情報を包括的に統合するために,暗黙的な共同学習パラダイムを導入する。 その結果、既存の最先端手法をはるかに上回る、我々のアプローチの顕著な優位性を示した。
  論文  参考訳（メタデータ） (2023-08-20T07:56:34Z)
• Watermarking Images in Self-Supervised Latent Spaces [75.99287942537138]
  我々は,自己教師型アプローチに照らして,事前学習した深層ネットワークに基づく透かし手法を再検討する。 我々は、マーク時間におけるデータの増大を利用して、マークとバイナリのメッセージをその潜在空間に埋め込む方法を提案する。
  論文  参考訳（メタデータ） (2021-12-17T15:52:46Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。