ByteMark: A Unified Byte-Level Watermark for Detection Across Language Models

arXiv cs.CR · 14 oct, 06:00

ByteMark propone un esquema unificado de watermarking para detectar texto generado por modelos de lenguaje, definiendo la señal en los bytes UTF-8 del texto publicado. A diferencia de detectores existentes que dependen de tokenizadores específicos o tuberías de embedding, ByteMark funciona con una especificación pública única y no requiere conocer el tokenizador del modelo que generó el texto.