LLM智能体语义行为水印方法

Suxin Ji等提出语义行为水印SBW，在不改动输出token的情况下，将密钥嵌入智能体历史条件下的语义动作簇分桶，以追踪生成来源并抵抗改写与伪造。基于论文摘要，五个3B至14B、四家厂商的智能体模型和三种编码器在两项基准上保持检测排序；在ALFWorld每个模型100个回合中，报告得分为0.92至0.97，对照为0.00至0.01。 该方法用带密钥的抗碰撞分桶替代公开分桶；在主要工作点bge编码器、r=64时，摘要称自适应伪造率由100%降至误报下限。代码已通过匿名仓库提供，但当前材料未显示独立复现。

AI 根据报道生成 · 46 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。