dreamer43305-CSDN博客

原创文献阅读——MARKLLM：用于 LLM 水印的开源工具包

MARKLLM：用于 LLM 水印的开源工具包。框架：为实现 LLM 水印算法提供了一个统一且可扩展的框架，同时提供用户友好的界面以确保易于访问。可视化：通过支持这些算法的底层机制的自动可视化来增强理解。评估：提供了一套由 12 种工具组成的综合套件，涵盖三个视角，以及两种类型的自动化评估管道。目标：支持研究人员，同时提高公众对LLM水印技术的理解和参与，促进共识并推动研究和应用的进一步发展。

2024-08-02 11:14:55 1474

原创文献阅读——结合对比学习与权重扰动在分类任务中为预训练大模型（PLM）添加水印

本论文在水印阶段采用对比学习，允许特定输入的表示与其他输入隔离，并在微调后映射到特定标签。证明通过将权重扰动与所提出的方法相结合，可以将水印嵌入到损失景观的更平坦区域，从而提高水印去除的鲁棒性。在多个数据集上的广泛实验表明，嵌入的水印可以在不了解下游任务的情况下稳健地提取，并且成功率很高。

2024-07-25 22:00:07 1713

原创文献阅读——通过水印注入和验证的提示词版权保护

提示（prompt）在大模型的成功中起着至关重要的作用，它通过简单地在查询文本中预置一系列标记，有效地使预训练的 LLM 适应特定于任务的应用程序。在本文中提出了PromptCARE，这是第一个通过水印注入和验证进行提示词版权保护的框架。提示水印带来了独特的挑战，使得为模型和数据集版权验证而开发的现有水印技术无效。PromptCARE通过使用三种流行的预训练 LLM（BERT、RoBERTa 和 Facebook OPT-1.3b）在六个著名的基准数据集上进行了广泛的实验

2024-07-19 10:39:48 1460

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

原创 文献阅读——MARKLLM：用于 LLM 水印的开源工具包

原创 文献阅读——结合对比学习与权重扰动在分类任务中为预训练大模型（PLM）添加水印

原创 文献阅读——通过水印注入和验证的提示词版权保护

空空如也

空空如也

原创文献阅读——MARKLLM：用于 LLM 水印的开源工具包

原创文献阅读——结合对比学习与权重扰动在分类任务中为预训练大模型（PLM）添加水印

原创文献阅读——通过水印注入和验证的提示词版权保护