論文の概要: WorldMark: A Plug-and-Play World Knowledge Interface for Cross-Host Language Model Watermarking

• arxiv url: http://arxiv.org/abs/2608.06416v1
• Date: Wed, 05 Aug 2026 16:34:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-10 16:21:25.242142
• Title: WorldMark: A Plug-and-Play World Knowledge Interface for Cross-Host Language Model Watermarking
• Title（参考訳）: WorldMark: クロスホスト言語モデルウォーターマーキングのためのプラグアンドプレイのワールドナレッジインターフェース
• Abstract要約: ウォーターマーキングは、デコード中に統計的に検出可能な信号を埋め込むことによって、大きな言語モデルによって生成されたテキストをトレースする。 既存のスキームはロジットベース、サンプリングベース、エントロピー対応、適応強度のファミリーに分類されるが、いずれも局所トークン統計に基づいて透かし信号を置く。 We introduced WorldMark, a plug-and-play interface that using World Knowledge Memory to organize semantic and episodic knowledge in a memory graph。
• 参考スコア（独自算出の注目度）: 8.611052329215054
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Watermarking traces the provenance of text produced by large language models by embedding statistically detectable signals during decoding. Existing schemes fall into logits-based, sampling-based, entropy-aware, and adaptive-strength families, yet all of them place watermark signals according to local token statistics. In the open-ended text-generation settings evaluated in this work, local statistics may provide insufficient guidance for placing robust watermark signals. We introduce WorldMark, a plug-and-play interface that uses World Knowledge Memory (WKM) to organize semantic and episodic knowledge in a memory graph, converts the retrieved knowledge into a token-level knowledge saliency score, and adjusts the strength of a host watermark through Asymmetric Knowledge Modulation (AKM). WorldMark requires no backbone retraining and introduces no additional detector-side model or parameter. On the primary C4 evaluation, the complete WorldMark interface improves clean and attacked detection across three adaptive-strength host variants while slightly reducing perplexity. Additional pilot experiments on C4 and OpenGen show that direct memory conditioning transfers across multiple watermark families but can be unstable without saliency-aware modulation. WorldMark requires no additional detector-side model or parameter and introduces negligible overhead under the primary protocol.
• Abstract（参考訳）: ウォーターマーキングは、デコード中に統計的に検出可能な信号を埋め込むことによって、大きな言語モデルによって生成されたテキストをトレースする。 既存のスキームはロジットベース、サンプリングベース、エントロピー対応、適応強度のファミリーに分類されるが、いずれも局所トークン統計に基づいて透かし信号を置く。 本研究で評価されたオープンエンドテキスト生成設定では、ロバストな透かし信号を置く上で、局所統計が不十分なガイダンスを提供する可能性がある。 We introduced WorldMark, a plug-and-play interface that using World Knowledge Memory (WKM) to organize semantic and episodic knowledge in a memory graph, and converts the retrieved knowledge into a token-level knowledge saliency score, and the strength of a host watermark through Asymmetric Knowledge Modulation (AKM)。 WorldMarkはバックボーンの再トレーニングを必要とせず、追加の検出器側モデルやパラメータを導入しない。 主要なC4評価では、完全なWorldMarkインターフェースは3つの適応強度ホストの変種に対してクリーンでアタックな検出を改善し、パープレキシティをわずかに低減する。 C4とOpenGenの試験実験では、直接メモリコンディショニングは複数のウォーターマークファミリにまたがるが、サリエンシを意識せずに不安定になることが示されている。 WorldMarkは、追加の検出器側モデルやパラメータを必要としておらず、プライマリプロトコルの下で無視可能なオーバーヘッドを導入する。

関連論文リスト

• DenMark: Robust Semantic Watermarking for Diffusion Language Models [56.836684262732994]
  DenMarkは拡散言語モデル(DLM)のセマンティックな透かしフレームワークである 鍵依存的な信号をDLM復調プロセスに直接注入する。 出力を固定トークン領域に分割し、一時ロールアウトをセマンティックルックヘッドとして使用する。 検出のために、DenMarkは、セマンティックアタックによって導入されたバウンダリシフトに対する堅牢性を維持するために、候補ユニットサイズをキャリブレーションしたスキャンを使用する。
  論文  参考訳（メタデータ） (2026-09-13T03:37:48Z)
• Toward Stronger Code Watermarking: A Grammar-Driven Approach to Optimizing the Trade-off Between Quality and Detectability [43.59505715248063]
  本稿では,Large Language Models (LLM) のためのGDW (Grammar-Driven Watermark) と呼ばれる新しいコード透かし手法を提案する。 GDWは文法誘導3レベルマスキング機構を通じて統語的妥当性を保ち、構造的役割認識変調により透かし信号を注入する。 GDWは,変数リネーム攻撃に対するロバスト性を維持しつつ,既存の手法よりも優れた品質-検出可能性トレードオフフロンティアを確立していることを示す。
  論文  参考訳（メタデータ） (2026-07-11T08:43:15Z)
• PromptMark: A Prompt-Guided Iterative-Feedback Framework for Source Code Watermarking [0.5798758080057375]
  我々は,ブラックボックス,プロンプト誘導型透かしフレームワークであるPromptMarkを提案する。 目に見えないが統計的に検出可能な信号を、構造化された入力命令によって生成されたコードに埋め込む。 PromptMarkは、高いコードの正確性を維持しながら、強い透かし検出性を一貫して達成している。
  論文  参考訳（メタデータ） (2026-06-18T18:21:38Z)
• DetRefiner: Model-Agnostic Detection Refinement with Feature Fusion Transformer [4.40960504549418]
  DetRefinerは,グローバルな特徴とローカルな特徴を融合してオープンな語彙検出を改良する,プラグイン・アンド・プレイのフレームワークである。 この結果から,グローバルおよびローカルな表現を融合する学習は,オープンワールドのオブジェクト検出を促進するための強力で汎用的なメカニズムを提供することがわかった。
  論文  参考訳（メタデータ） (2026-05-11T08:40:25Z)
• From Mirage to Grounding: Towards Reliable Multimodal Circuit-to-Verilog Code Generation [16.148817642071638]
  回路図は、ハードウェアの視覚的なドメイン固有言語と見なすことができる。 このような図をレジスタ-トランスファーレベル(RTL)コードに変換することは、視覚-コード生成のための極めて信頼性の高いテストである。 回路図を空白の画像に置き換えると、Pass@kは変わらないかそれ以上になるのです。
  論文  参考訳（メタデータ） (2026-04-30T15:01:27Z)
• TAG-WM: Tamper-Aware Generative Image Watermarking via Diffusion Inversion Sensitivity [76.98973481600002]
  本稿では,TAG-WMと命名されたタンパ認識画像ウォーターマーキング手法を提案する。 提案手法は、4つのキーモジュールからなる: 生成品質を保ちつつ、著作権と局所化の透かしを潜伏空間に埋め込むためのデュアルマークジョイントサンプリング (DMJS) アルゴリズム。 実験結果から,TAG-WMは歪み下においても,改質性および局所化能力の両面において最先端性能を達成できることが示された。
  論文  参考訳（メタデータ） (2025-06-30T03:14:07Z)
• Improved Unbiased Watermark for Large Language Models [59.00698153097887]
  本稿では,非バイアスのマルチチャネル型透かしであるMCmarkを紹介する。 MCmarkは言語モデルの本来の分布を保存する。 既存の非バイアスの透かしよりも検出性と堅牢性を大幅に改善する。
  論文  参考訳（メタデータ） (2025-02-16T21:02:36Z)
• Watermarking Language Models through Language Models [1.249418440326334]
  入力レベルで完全に動作するプロンプト誘導型透かしフレームワークを導入し、モデルパラメータへのアクセスやロジットの復号は不要である。 GPT-4o, Mistral, LLaMA3, DeepSeek など 25 種類の LM と Prompting の組み合わせについて検討した。 実験の結果, 透かし信号はアーキテクチャ全体にわたって一般化し, 微調整, モデル蒸留, 即時攻撃下では頑健であることがわかった。
  論文  参考訳（メタデータ） (2024-11-07T19:16:49Z)
• ClearMark: Intuitive and Robust Model Watermarking via Transposed Model Training [50.77001916246691]
  本稿では,人間の直感的な評価を目的とした最初のDNN透かし手法であるClearMarkを紹介する。 ClearMarkは目に見える透かしを埋め込んで、厳格な値閾値なしで人間の意思決定を可能にする。 8,544ビットの透かし容量は、現存する最強の作品に匹敵する。
  論文  参考訳（メタデータ） (2023-10-25T08:16:55Z)
• Supervision by Registration and Triangulation for Landmark Detection [70.13440728689231]
  本稿では,マルチビュー映像を用いた教師なし手法である登録・三角測量(srt)による監視を行い,ランドマーク検出器の精度と精度を向上させる。 ラベルのないデータを活用することで、検出者は大量のラベルのないデータから自由に学べる。
  論文  参考訳（メタデータ） (2021-01-25T02:48:21Z)
• EHSOD: CAM-Guided End-to-end Hybrid-Supervised Object Detection with Cascade Refinement [53.69674636044927]
  本稿では,エンド・ツー・エンドのハイブリッド型オブジェクト検出システムであるEHSODについて述べる。 完全なアノテートと弱いアノテートの両方で、ワンショットでトレーニングすることができる。 完全なアノテートされたデータの30%しか持たない複数のオブジェクト検出ベンチマークで、同等の結果が得られる。
  論文  参考訳（メタデータ） (2020-02-18T08:04:58Z)

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。