没有分词器,依然存在鸿沟:同形异义字符与不可见字符水印的跨语言公平性
arXiv:2610.36432v1 发布类型:新 摘要:同形异义字符与不可见字符水印均属于基于编辑的水印技术。它们并非改变模型生成文本的方式,而是在文本生成之后将其隐藏于其中。具体而言,这些水印会用外观相同或极为相似但拥有不同Unicode码点的同形异义字符替换部分字符,或者插入一些不会显示的字符,且整个过程无需访问生成该文本的模型。由于分词器对文本的切分方式,生成时水印在资源匮乏的语言上表现较差。鉴于这类水印作用于单个字符,它们并不会触及分词器,因此我们不禁要问:它们是否能够绕过这一局限?我们在24种文字体系下的40种语言变体中,测量了其容量(即每个字符所能承载的隐秘信息位数),以及其中有多少……



