热点事件历史事件
提出Watermarkability指标及两阶段方法优化LM水印兼容性
1 篇报道1 个报道来源6 天前更新
先了解这件事
AI 综述
针对语言模型（LM）与基于Logit的水印技术之间的兼容性问题，最新研究提出了“Watermarkability”指标，旨在量化模型对特定水印token集的适配程度。为解决传统方法中适配成本高的问题，该研究设计了一种两阶段优化方法。在OPT-125M和Qwen3-8B模型上的评估结果显示，该方法显著提升了兼容性：OPT-125M的平均困惑度降低了46.3%，Qwen3-8B降低了5.2%；同时，至少99.80%的采样token成功落入目标集内。这一进展表明，通过量化指标指导的两阶段优化，可以在保持模型性能的同时有效增强水印技术的适用性。
AI 根据报道生成 · 6 天前更新
报道时间线
沿着报道，了解事件的不同侧面。
10月19日
- arXiv · cs.CL（大模型）Watermarkability：衡量与提升语言模型对基于 Logit 水印的兼容性
提出“Watermarkability”指标以量化模型与水印 token 集的兼容性，并设计两阶段方法降低适配成本。在 OPT-125M 和 Qwen3-8B 上的评估显示，该方法使平均困惑度分别降低 46.3% 和 5.2%，且至少 99.80% 的采样 token 落入目标集。
本事件热度走势
当前热度 3·可比范围峰值 10（10月19日 13:00）·近 24 小时可比范围变化 -49%
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。