TextSeal：大语言模型的本地化水印与溯源保护

TextSeal是一种先进的大语言模型水印技术，核心特点包括：支持多区域本地化检测，可在人机混合文档中保持高检测置信度；具备“放射性”特性，能在模型蒸馏过程中传递水印信号以防范未授权使用；理论上无失真，不影响文本质量与模型输出分布。该技术旨在解决AI内容溯源的跨领域核心议题，为学术诚信、版权保护、虚假信息治理等场景提供可靠方案。

随着大语言模型生成能力提升，区分人机创作内容变得困难且重要，涉及学术诚信、新闻真实性、版权保护、虚假信息治理等领域。水印技术面临隐蔽性（不影响文本质量）、鲁棒性（抵抗改写/翻译等操作）、定位能力（精准识别AI生成段落）三大挑战。现有方案多基于词汇替换或统计特征调制，易被移除、影响质量，且无法定位具体AI生成部分。

TextSeal基于Gumbel-max采样框架创新：

1. 双密钥生成机制：恢复输出文本自然多样性，相同提示多次生成差异显著但水印可检测；
2. 熵加权评分系统：关注信息熵高的位置（模型选择多的词汇），提升检测准确率；
3. 多区域本地化检测：划分文档为多个区域，分别评估水印置信度，精准定位AI生成段落而非整体判断。

TextSeal与推测解码等推理加速技术无缝兼容，且无额外推理开销。检测性能超越Google SynthID-text，相同误报率下检出率更高。稀释鲁棒性强，人机混合文档中仍能高置信度定位AI片段。多语言（英、中、西、法、德）测试显示无感知质量下降，人类无法区分带水印与不带水印文本。理论上无失真，不改变模型输出分布，不影响下游任务准确率。

TextSeal的“放射性”特性使其水印信号具有传染性，可在模型蒸馏过程中传递到新模型。传统水印在蒸馏中会丢失，而TextSeal能在蒸馏后模型输出中检测到水印痕迹，有效防范未授权模型蒸馏，为模型所有者提供追踪非法衍生版本的技术手段。

TextSeal适用于多种场景：

• 模型服务提供商：作为标准流程自动为API输出添加水印；
• 企业用户：支持自定义密钥，私有密钥嵌入的水印仅持有者可识别；
• 内容审核：高亮疑似AI生成段落，帮助审核员快速定位重点内容。部署时不影响用户体验与计算成本。

当前局限：

1. 假设攻击者无法获取原始模型或水印密钥，极端情况下保护可能失效；
2. 极短文本（单句/少量词）检测置信度下降；
3. 专门针对水印的对抗性攻击可能削弱检测效果。未来方向：优化短文本检测、应对对抗性攻击、增强极端场景下的保护能力。

TextSeal代表LLM水印技术的重要进步，通过双密钥、熵加权、本地化检测等创新，实现检测强度、鲁棒性、隐蔽性的平衡。放射性特性为模型溯源开辟新可能。随着AI生成内容普及，TextSeal为构建数字内容生态的可靠基础设施提供了技术基础。