知识卡片：大语言模型的选择性披露水印技术

一句话结论
现有大语言模型多比特水印方法无法选择性地披露信息，本文提出的层次化词汇路由（HeRo）框架首次实现了细粒度的访问控制，允许不同验证者仅解码与其权限对应的水印部分，同时保持文本质量和高检测精度。

事件概述或研究问题
大语言模型生成文本的水印技术可分为两类：零比特方案（区分机器生成与人类写作）和多比特方案（嵌入元数据）。现有多比特方案的一个关键缺陷是不支持选择性披露——验证水印的任何部分都必须揭示整个嵌入信息，导致不必要的隐私泄露。作者针对此问题提出了HeRo框架。

方法/产品要点

• HeRo通过递归划分词汇表，将水印信息分布到层次化层级中。
• 不同验证者根据其访问权限，只能解码对应层级的水印载荷。
• 该方法保留了底层采样过程的无偏性，从而维持文本生成质量。
• 实验表明该框架支持细粒度访问控制，同时实现高检测精度和低延迟。

主要结果或产业意义

• HeRo在保持文本质量（无偏采样）的前提下实现了选择性披露能力。
• 实验验证了高检测精度和低延迟，代码已开源（GitHub链接：https://github.com/xuyangc03/hero-watermark）。
• 该技术可用于需要分级权限管理的水印场景，如版权保护中仅允许特定审核者验证部分信息。

为什么重要
当前多比特水印缺乏隐私控制机制，HeRo填补了这一空白，使水印系统更适用于多方协作或隐私敏感场景（如AI生成内容的溯源审计、法律文件等）。

局限与不确定性

• 文中未明确给出在极端低资源语言或超长文本上的性能表现。
• 实际部署中不同层级访问控制的安全强度（如抗共谋攻击）需进一步评估。
• 待核实：是否支持动态调整访问等级或层级数量。

可用于图书/PPT/简报的角度

• 标题灵感：《分层水印：让AI文本的“指纹”只给对的人看》
• 核心对比图：零比特 vs 多比特 vs HeRo（选择性披露）的访问控制示意图
• 应用案例：假设一个AI辅助司法文档系统，不同律师只能验证与自己案件相关的元数据片段。

原始材料

• 英文标题：Selective Disclosure Watermarking for Large Language Models
• 英文关键词：watermarking, large language models, selective disclosure, hierarchical vocabulary routing
• 原始来源：arXiv:2607.05353v1 (2026-07-06)，作者Xuyang Chen等。URL: https://arxiv.org/abs/2607.05353v1