대규모 언어 모델 워터마크 최적화
Optimizing watermarks for large language models
대규모 언어 모델(LLM)의 부상과 잠재적 오용에 대한 우려로, 생성형 LLM용 워터마크가 최근 많은 관심을 받고 있다. 이러한 워터마크의 중요한 측면은 식별 가능성과 생성 텍스트 품질에 대한 영향 사이의 트레이드오프이다. 본 논문은 이 트레이드오프에 대해 다목적 최적화 문제로서 체계적인 접근을 제시한다. 견고하고 효율적인 워터마크의 넓은 클래스에 대해, 관련 파레토 최적 해를 식별하고 현재 기본 워터마크보다 우수함을 보인다.