最新一期《自然》雜志發(fā)表的一篇論文稱，谷歌深度思維團(tuán)隊(duì)開發(fā)了一種能為大語言模型生成文本添加水印的工具，可提高對(duì)合成內(nèi)容的鑒別和追溯能力。

大語言模型（LLM）是廣泛使用的人工智能（AI）工具，能為聊天機(jī)器人、文章寫作和其他目的生成文本。不過，人們很難識(shí)別并追溯AI生成文本的來源，使信息的可靠性受到質(zhì)疑。水印被認(rèn)為能解決這一問題，但生產(chǎn)系統(tǒng)對(duì)質(zhì)量和計(jì)算效率的嚴(yán)格要求阻礙了其規(guī)模化應(yīng)用。

深度思維團(tuán)隊(duì)此次利用一種全新采樣算法，開發(fā)出一個(gè)給AI生成文本添加水印的系統(tǒng)——SynthID-Text。該工具通過采樣算法對(duì)LLM的詞匯選擇進(jìn)行巧妙偏移，插入一個(gè)能被相關(guān)檢測軟件識(shí)別的簽名。這既可以通過一種“扭曲”路徑實(shí)現(xiàn)（能提高水印質(zhì)量但會(huì)輕微影響輸出質(zhì)量），也可以通過另一種能保留文本質(zhì)量的“非扭曲”路徑實(shí)現(xiàn)。

深度思維已在多個(gè)公開模型上評(píng)估了這些水印的可檢測性，結(jié)果顯示，SynthID-Text的可檢測性優(yōu)于當(dāng)前其他方法。

他們還用Gemini LLM的近2000萬次在線對(duì)話，評(píng)估了這些文本的質(zhì)量，最終認(rèn)為非扭曲水印形式不會(huì)降低文本質(zhì)量。此外，使用SynthID-Text對(duì)LLM運(yùn)行所需算力的影響可忽略不計(jì)，從而減少了應(yīng)用上的障礙。

該研究證明，為生成式文本添加水印是可行的，其可提高AI使用的責(zé)任和透明度。

關(guān)鍵詞：