REMARK-LLM：用于生成大型语言模型的稳健且高效的水印框架
REMARK-LLM：用于生成大型语言模型的稳健且高效的水印框架
前言
- 提出这一模型的初衷
为了应对大量计算资源和数据集出现伴随的知识产权问题。使用LLM合成类似人类的内容容易受到恶意利用，包括垃圾邮件和抄袭。
ChatGPT等大语言模型LLM的开发取得的进展标志着人机对话交互的范式转变。与此同时，需要设计机制来声明LLM生成的文本的所有权并跟踪生成内容的发布。
水印提供了一种有希望的解决方案来解决两个长期存在的问题：主张生成输出的所有权和追踪内容来源。通过将水印签名嵌入到LLM的输出中，模型所有者可以有效地监控其内容使用情况并验证其所有权。
- 模型的亮点
REMARK-LLM提出了三个新组件：
1、基于学习的信息编码模块，将二进制签名注入LLM生成的文本中。将LLM生成的文本及其相应的签名编码到潜在特征空间中。添加它们的特征表示并产生词汇表上的水印分布。
2、重新参数化模块，将消息编码的密集分布转换为带水印文本标记的稀疏分布。
3、专用于签名提取的信息解码模块，利用转换器预测插入的消息，从而提取水印签名。
三个模块都是端到端训练，目标是
1、通过最小化LLM生成的文本和加水印的文本之间的语义损失来保持语义保真度
2、通过最小化插入和从加水印的文本中提取的水印签名之间的消息恢复损失来确保水印提取、
3、通过从恶意转换中提取水印签名来增强鲁棒性
同时引入一种优化的波束搜索算法来生成具有连贯性和一致性的内容。
通