论文提出利用参数空间水印盆地黑盒检测蒸馏模型。
资讯摘要
论文提出 Watermark Basin Alignment（WM-Basin），用于黑盒检测经 API 蒸馏的学生模型。作者发现，带水印的教师轨迹在微调时会在参数空间留下与任务子空间正交、由水印密钥决定的几何信号，即“水印盆地”。WM-Basin 借助固定干净探针模型把生成文本映射为梯度表示，剔除任务方向后检验残差是否与盆地对齐。作者报告在 0.1% 假阳性率下，n-gram=1 时检出 79% 的蒸馏模型，n-gram=3 时为 45%，优于 token 级基线，且信号可经受量化、剪枝与强化学习后训练。
要点速读
- 论文提出水印盆地：带水印教师轨迹在微调中于参数空间留下与水印密钥相关、与任务子空间正交的几何信号。
- WM-Basin 仅通过 API 查询可疑模型，用固定干净探针模型将文本转为梯度表示并检验与水印盆地的对齐。
- 作者报告在 0.1% 假阳性率下，n-gram=1 检出 79%、n-gram=3 检出 45%，并称信号可经受量化、剪枝和强化学习后训练。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/29 08:00:21（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。