論文の概要: SemField: A Simple, Linear, Continuous, yet Robust Semantic Watermark
- arxiv url: http://arxiv.org/abs/2610.11848v1
- Date: Thu, 08 Oct 2026 12:35:11 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-10 02:36:54.024544
- Title: SemField: A Simple, Linear, Continuous, yet Robust Semantic Watermark
- Title（参考訳）: SemField: シンプルで線形で継続的だがロバストなセマンティックな透かし
- Abstract要約: SemFieldはトレーニング不要なセマンティックな透かしで、線形信号を文埋め込み空間に直接埋め込む。
また、初期文から最適方向を決定する極性ロック付き変種SemField-PLを提案する。
どちらの変種も、1%の偽陽性率(FPR)で88.2%から90.4%の平均真陽性率(TPR)を達成する。
- 参考スコア（独自算出の注目度）: 38.58009792931064
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: The rapid proliferation of Large Language Models (LLMs) necessitates reliable watermarking techniques to identify AI-generated text and ensure appropriate attribution. While token-based watermarks are vulnerable to paraphrasing, a central challenge for semantic watermarking is to turn sentence meanings into a stable, well-calibrated document-level signal. To this end, we introduce SemField, a simple, training-free semantic watermark that embeds a continuous, linear signal directly into the sentence embedding space. Using a shared secret key to define a specific Gaussian direction, SemField iteratively evaluates candidate sentences and selects those that maximize the alignment of the cumulative document aggregate with this targeted direction. We also propose SemField-PL, a polarity-locked variant that first determines the optimal orientation from the initial sentence and continuously reinforces it throughout the generation process. The document-level aggregated formulation guarantees exact invariance to sentence reordering and provides theoretical bounds against structural tampering, such as sentence insertion and deletion. Lastly, with extensive evaluations across three models, we demonstrate that both variants outperform 12 recent baselines. Across clean detection and four paraphrasing attacks, both variants achieve a mean True Positive Rate (TPR) of 88.2% to 90.4% at a 1% False Positive Rate (FPR), all while maintaining comparable perplexity and naturalness as human-generated content. We open-source our implementation at https://github.com/declare-lab/SemField
- Abstract（参考訳）: LLM(Large Language Models)の急速な普及は、AI生成したテキストを識別し、適切な属性を確保するために、信頼できる透かし技術を必要とする。
トークンベースの透かしはパラフレージングに弱いが、セマンティック透かしの重要な課題は、文の意味を安定した文書レベルの信号に変換することである。
この目的のために、SemFieldは、連続的な線形信号を直接文埋め込み空間に埋め込む、シンプルでトレーニング不要なセマンティックな透かしである。
共有秘密鍵を用いて特定のガウス方向を定義することで、SemFieldは候補文を反復的に評価し、この目的の方向を集約した累積文書のアライメントを最大化するものを選択する。
また、まず、初期文から最適方向を決定し、生成過程を通して継続的に補強する極性ロック付き変種SemField-PLを提案する。
文書レベルの集約された定式化は、文の並べ替えに対する正確な不変性を保証し、文挿入や削除のような構造的改ざんに対する理論的境界を提供する。
最後に、3つのモデルにまたがる広範囲な評価により、両方の変種が12のベースラインを上回っていることを示す。
クリーンな検出と4つのパラフレーズ攻撃により、両方の変種は平均的正の率(TPR)を88.2%から90.4%に、1%の偽陽性率(FPR)で達成した。
私たちは実装をhttps://github.com/declare-lab/SemFieldでオープンソース化しました。
関連論文リスト
- Optimal Watermark Localization in Mixed-Source Large Language Model Texts [41.92651100461471]
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。
論文 参考訳（メタデータ） (2026-08-14T21:41:50Z) - Decoding in Order-Agnostic Language Models: Chain-Rule Deviation and Uniform Spreading [0.6916773850242582]
順序に依存しない言語モデル(OALM)は任意の条件セットの下でマスク付きトークンを予測するために訓練される。
学習条件はコヒーレントな関節分布の正確な分解ではないことを示す。
信頼性トレースの形状に基づく相補的診断を提案する。
論文 参考訳（メタデータ） (2026-05-31T04:25:36Z) - SAMark: A Self-Anchored Text Watermarking with Paragraph-Level Paraphrase Robustness [71.08096624551246]
段落レベルのパラフレーズに対するロバスト性は、このような攻撃が文順を変化させることで、世界規模で透かし信号を破壊するため、依然として困難である。
本稿では,意味空間内にステップ非依存のグリーン領域を確立することで文順依存を除去する自己認識型透かしフレームワークSAMarkを提案する。
実験の結果、SAMarkは通常の段落レベルのパラフレーズ攻撃で最大90.2%のTP@FP1%を達成することがわかった。
論文 参考訳（メタデータ） (2026-05-25T12:46:15Z) - SWAN: Semantic Watermarking with Abstract Meaning Representation [61.15962841972814]
SWAN(Semantic Watermarking with Abstract Meaning Representation)は、文の意味構造に透かしシグネチャを埋め込む新しいフレームワークである。
シグネチャはセマンティック構造レベルでエンコードされるので、意味を保存するあらゆるパラフレーズはシグネチャを自動的に保存する。
論文 参考訳（メタデータ） (2026-05-05T21:13:30Z) - SSG: Logit-Balanced Vocabulary Partitioning for LLM Watermarking [3.881996954876714]
KGWスキームは、自然言語生成の汎用性、効率性、有効性のために特に魅力的である。
しかし、KGWの有効性は、コード生成や数学的推論のような低エントロピー設定下で著しく低下する。
本稿では,語彙を2つのロジットバランス部分集合に分割するSSGを提案する。
論文 参考訳（メタデータ） (2026-04-24T10:55:50Z) - Learning by Neighbor-Aware Semantics, Deciding by Open-form Flows: Towards Robust Zero-Shot Skeleton Action Recognition [41.77490816513839]
ゼロショットスケルトン動作認識のための新しい手法を,$texttt$textbfFlora$$として提案する。
具体的には、方向対応の地域意味論と相互整合性目標を取り入れたテキスト意味論を実践する。
3つのベンチマークデータセットによる実験により,本手法の有効性が検証された。
論文 参考訳（メタデータ） (2025-11-12T14:54:53Z) - 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) - SemStamp: A Semantic Watermark with Paraphrastic Robustness for Text Generation [72.10931780019297]
既存の透かしアルゴリズムはトークンレベルの設計のため、パラフレーズ攻撃に弱い。
局所性に敏感なハッシュ(LSH)に基づく頑健な文レベルのセマンティック透かしアルゴリズムSemStampを提案する。
実験結果から,本アルゴリズムは従来手法に比べて,従来手法よりも頑健であるだけでなく,生成品質の維持にも有効であることが示唆された。
論文 参考訳（メタデータ） (2023-10-06T03:33:42Z)
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。