arXiv · AI· Romina Omidi, Nima Naderloui, Yuan Hong, Binghui Wang·· 4 小时前AI 评分29
针对大语言模型统计生成水印的统一攻击框架
A Unified Attack Framework against Statistical Generative Watermarks for Large Language Models
AI 导读
针对包含 KGW、SynthID 等七种主流 LLM 水印方案，研究者提出一种基于“分数比率对齐”统一攻击框架。 利用黑盒查询访问即可生成流畅文本规避检测，在三个 LLM 任务上将检测率降至 0.05。 揭示当前设计固有缺陷，需彻底重构以解耦检测分数与 token 概率偏移。
来源：arXiv · AI · arxiv.org