与汤姆·戈德斯坦合作，为大型语言模型添加水印以对抗剽窃 - 621

这篇文章来自Practical AI，讨论了汤姆·戈德斯坦关于为大型语言模型（LLM）添加水印以对抗剽窃的研究。对话涵盖了添加水印的动机、其工作原理的技术方面以及潜在的部署策略。文章还触及了影响水印采用的政治和经济因素，以及未来的研究方向。此外，文章还比较了戈德斯坦在稳定扩散模型中的数据泄露研究与尼古拉斯·卡利尼在LLM数据提取方面的研究，突出了人工智能中数据安全更广泛的含义。

• •汤姆·戈德斯坦的研究侧重于为LLM输出添加水印以对抗剽窃。
• •文章讨论了水印的技术方面、部署策略以及经济/政治激励措施。
• •该研究还涉及稳定扩散模型中的数据泄露及其与LLM数据提取的关系。