Unigram watermark
La variante del watermarking a liste verdi e rosse con partizione del vocabolario fissa e indipendente dal contesto, proposta da Zhao et al. (2024).
Unigram watermark è una variante di in-processing watermarking proposta da Zhao et al. (2024) che usa una partizione del vocabolario in green list e red list fissa e indipendente dal contesto, a differenza del KGW watermarking, dove la partizione cambia a ogni posizione in base al contesto precedente.1 Il nome deriva dal fatto che la partizione dipende solo dal singolo token, non dalla sequenza.1
Perché esiste
Fissare la partizione una volta per tutte permette di dimostrare garanzie teoriche di robustezza sotto un numero limitato di modifiche avversarie al testo, come inserimenti, cancellazioni o sostituzioni di token, mantenendo una buona qualità di generazione e una buona performance di detection.1 È un tentativo di dare al meccanismo a liste una base teorica più solida senza abbandonarne il principio di fondo, il bias sui logit tramite liste di token.
Limiti
Poiché la partizione è fissa, può interagire male con distribuzioni lessicali molto ripetitive o specifiche di un dominio, dove pochi token dominano, e diventa più prevedibile, e quindi più attaccabile, attraverso domini e versioni del modello diversi rispetto a un partizionamento che varia con il contesto.1 Lo studio sulla coesistenza dei sistemi di detection osserva inoltre che il bias a liste produce uno spostamento di distribuzione che degrada i detector esterni anche sotto partizione fissa: i detector zero-shot percepiscono il testo watermarked come più umano dell’umano, il che suggerisce che la debolezza non è del solo hashing dinamico ma del bias a liste in generale.2
Voci correlate
- KGW watermarking — la tecnica di riferimento di cui questa è una variante
- Unbiased watermark — l’altra tecnica della stessa famiglia di miglioramenti teorici a KGW
- In-processing watermarking — la categoria di appartenenza
- LLM watermarking — la voce d’insieme
Bibliografia e sitografia
- Phan, T. et al., A Survey on LLM Watermarking: Theory and Deployment, arXiv, luglio 2026.
- Panaitescu-Liess, O. et al., When Detection Tools Collide, 2026.