BELL：查询高效的LLM水印定位方法

BELL用自适应预算分配降低LLM水印定位的查询成本。

资讯摘要

论文提出BELL框架，用于定位LLM输出中稀疏出现的水印。该方法先保持文档整体覆盖，再逐步将检测预算集中到水印证据更强的区域，并将统计信号转为e-values，用token加权e-BH过程确定水印区域。作者报告称，BELL可在无区域独立性假设下控制token加权FDR，并在多个LLM、数据集和水印方案上优于对比方法。

要点速读

1. 现有定位方法依赖密集token级打分，验证成本高，难以应对水印稀疏出现的情况。
2. BELL采用自适应预算分配，并将选定区域的统计信号转为e-values，结合token加权e-BH过程定位水印区域。
3. 作者报告BELL在多个LLM、数据集和水印方案上均优于对比方法，并称可控制token加权FDR。

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 2026/11/5 08:00:38（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。