論文の概要: Optimal Watermark Localization in Mixed-Source Large Language Model Texts
- arxiv url: http://arxiv.org/abs/2608.14906v1
- Date: Fri, 14 Aug 2026 21:41:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-18 19:59:03.124338
- Title: Optimal Watermark Localization in Mixed-Source Large Language Model Texts
- Title（参考訳）: 混合音源大言語モデルテキストにおける最適透かし位置決め
- Abstract要約: ウォーターマーキングは、大きな言語モデル(LLM)によって生成されるテキストを認証する原則的な方法を提供する。
実際には、最終文は混ざり合っており、透かしの証拠は書き直し、挿入、削除、またはパラフレージングの後にトークンの位置のサブセットにしか残っていない。
我々は,各位置における透かし依存が残存するかどうかを示す潜在指標を用いて,座標統計に基づくトークンレベルの多重検定問題として局所化を定式化する。
- 参考スコア（独自算出の注目度）: 41.92651100461471
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Watermarking provides a principled way to authenticate text generated by large language models (LLMs). In practice, however, the final text may be mixed-source, with watermark evidence surviving at only a subset of token positions after rewriting, insertion, deletion, or paraphrasing. Although prior work has studied global detection of watermark signals, when such signals can be localized remains unclear. We formulate watermark localization as a token-level multiple-testing problem based on pivotal statistics, with a latent indicator recording whether watermark dependence survives at each position. Under an asymptotic regime indexed by exponents for signal sparsity, next-token concentration, and effective-vocabulary growth, we derive a sharp boundary for global detection and phase transitions for discovery and classification within the class of coordinatewise pivot-based localization rules. We show that discovery is strictly harder than detection and that consistent classification is impossible across the parameter regime within this class. We then develop an adaptive thresholding method that does not require knowledge of the exponents or time-varying next-token distributions, but uses a data-driven estimate of the surviving watermark fraction. The method attains the optimal discovery boundary and near-optimal discovery power relative to homogeneous pivot-based rules. Simulations support the theoretical phase transitions, while experiments on model-generated texts demonstrate practical localization performance under common edit mechanisms.
- Abstract（参考訳）: ウォーターマーキングは、大きな言語モデル(LLM)によって生成されたテキストを認証する原則的な方法を提供する。
しかし実際には、最終文は混ざり合っており、透かしの証拠は書き直し、挿入、削除、あるいはパラフレージングの後にトークンの位置のごく一部にしか残っていない。
以前の研究では、透かし信号のグローバルな検出について研究されてきたが、そのような信号がいつ局所化できるかは不明のままである。
本稿では,各位置における透かし依存が残存するかどうかを示す潜在指標を用いて,トークンレベルの多重検定問題として透かしの局所化を定式化する。
信号間隔,次トーケン濃度,有効語彙成長指数を指標とした漸近的体制の下では,座標座標偏位法則のクラス内での発見・分類のためのグローバル検出および位相遷移の急激な境界を導出する。
発見は検出よりも厳密であり,一貫した分類は,このクラス内のパラメータ体系全体では不可能であることを示す。
そこで我々は,指数や時変次トーケン分布の知識を必要としない適応的しきい値推定法を開発した。
この方法は、均一なピボットベースの規則に対して、最適発見境界と準最適発見力を達成する。
シミュレーションは理論相転移をサポートし、モデル生成テキストの実験は、共通の編集機構の下で、実用的なローカライゼーション性能を実証する。
関連論文リスト
- Selective Disclosure Watermarking for Large Language Models [16.579884795891754]
埋め込みメタデータの選択的開示を可能にする透かしフレームワークである階層語彙ルーティング(HeRo)を提案する。
提案手法は, サンプリングプロセスの非偏りを保ち, テキストの品質を維持できることを示す。
論文 参考訳（メタデータ） (2026-07-06T17:32:01Z) - Global Sketch-Based Watermarking for Diffusion Language Models [0.0]
テキストのグローバルなベクトル値のスケッチ表現を制御するマスク拡散言語モデルのための透かしを提案する。
文脈依存の透かしと比較すると、スケッチの定式化は生成時に見られる局所的な文脈から検出される。
提案手法の歪み, 音性, 強靭性を解析した。
論文 参考訳（メタデータ） (2026-06-03T06:08:58Z) - 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) - An Ensemble Framework for Unbiased Language Model Watermarking [60.99969104552168]
本研究では,アンサンブル・フレームワークであるENSを提案する。
ENSは複数の独立した透かしインスタンスを順次構成し、それぞれ異なるキーによって管理され、透かし信号を増幅する。
実験的な評価では、ENSは信頼できる検出に必要なトークンの数を大幅に減らし、平滑化やパラフレージング攻撃に対する耐性を高めている。
論文 参考訳（メタデータ） (2025-09-28T19:37:44Z) - WISER: Segmenting watermarked region - an epidemic change-point perspective [0.0]
We propose WISER: a novel, computely efficient, watermark segmentation algorithm。
WISERは最先端のベースライン法よりも優れていることを示す。
また、古典的な統計問題からの洞察が理論的に有効で計算学的に効率的な解をもたらすことを示す。
論文 参考訳（メタデータ） (2025-09-25T13:44:34Z) - 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 Generative Categorical Data [9.087950471621653]
本手法は,データ分布を2つの成分に分割し,一方の分布を他方との決定論的関係に基づいて修正することにより秘密信号を埋め込む。
透かしを検証するために挿入逆アルゴリズムを導入し、逆復号データと元の分布との間の全変動距離を計測してその存在を検出する。
論文 参考訳（メタデータ） (2024-11-16T21:57:45Z) - 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) - 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) - A Resilient and Accessible Distribution-Preserving Watermark for Large Language Models [65.40460716619772]
本研究は,textbfDistribution-textbf Preserving (DiP)ウォーターマークの重要性に焦点をあてる。
現在の戦略とは対照的に,提案したDiPmarkは透かし中に元のトークン分布を同時に保存する。
言語モデルAPIにアクセスせずに検出可能で(アクセス可能)、トークンの適度な変更に対して確実に堅牢である。
論文 参考訳（メタデータ） (2023-10-11T17:57:35Z)
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。