已验证70% 置信解决方案精确时间
水印算法在生成每个token时根据前文哈希值将词汇表随机划分为绿名单和红名单，并轻微提升绿名单token被选中的概率
4
来源数
70%
置信度
长期有效
时效性
2026/8/23
首次发现
来源
涉及实体
相关事实
待验证KGW算法在每个token生成时利用前一个或前几个token作为伪随机种子将词表划分为绿名单和红名单，采样时对绿名单token施加正向偏置，检测时统计绿名单token比例是否显著高于随机基线77% 相似待验证主流LLM水印方案通常在token采样阶段介入，依据前文哈希值将词表划分为绿名单和红名单，并使采样偏向绿名单token77% 相似已验证绿名单/红名单方案的机制是在生成每个token时利用前一个token作为哈希种子将词表划分为绿名单和红名单，并对绿名单token施加正向logit偏置，检测时统计绿名单token占比是否显著高于50%72% 相似待验证Kirchenbauer方案根据前文哈希值将词汇表随机划分为绿名单和红名单，通常γ=0.5，并在绿名单token的logits上加固定偏置δ（通常取1-2之间）67% 相似待验证FreqMark在嵌入阶段将水印比特序列编码为频域模板，通过调整采样概率使生成的token序列经DFT后目标频率分量呈现与模板一致的统计特征64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/788621API
curl https://kongchang.com/api/v1/knowledge/claims/788621MCP
get_claim(id=788621)