Newest papers

A Unified Attack Framework against Statistical Generative Watermarks for Large Language Models

Romina Omidi, Nima Naderloui, Yuan Hong, Binghui Wang · 2026 · arXiv

DOI: 10.48550/arXiv.2610.27653 · open-access PDF

Arabic

وقد أظهرت علامات المياه كأداة أساسية لتحديد النص الذي تم إنشاؤه من قبل النماذج الكبيرة (LLMs) ، مع النماذج الحالية التي تدمج الإشارات الإحصائية في عملية الإنتاج لتمكين اكتشافها في وقت لاحق. في هذه العملية ، ونحن نحدد ضعف مشترك في مجموعة واسعة من أساليب علامات المياه الكبيرة المعروفة في LLM ، بما في ذلك KGW (وخصائصها) ، GumbelSoft ، DipMark ، ITS ، و SynthID. ونشير إلى أن هذه النماذج تظهر علاقة أساسية بين أرقام اكتشافها وتغيرات احتمالات التقييم التي تقدمها خلال الإنتاج.

Machine translation (Meta M2M100); the English original follows.

Abstract

Watermarking has emerged as a key tool for identifying text generated by large language models (LLMs), with current schemes embedding statistical signals into the generation process to enable later detection. In this work, we identify a shared weakness across a broad class of popular LLM watermarking methods, including KGW (and its variants), GumbelSoft, DipMark, ITS, and SynthID. We show that these schemes exhibit a fundamental link between their detection scores and the token probability shifts they introduce during generation. This link, which we call score-ratio alignment, allows an attack

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange