# UTF-8字节级水印

大模型文本水印的检测此前依赖生成方的分词器或语义嵌入管线，而文本本身并不透露用了哪一种，因此未知来源的文本难以核验。ByteMark把水印信号定义在已发布文本的UTF-8字节流上，参与模型用同一公开规范和密钥嵌入，检测方只凭文本和密钥即可验证。实验显示，替换检测端的分词器或嵌入模型后，词元级与句子级基线的检出率大幅下降，而ByteMark的检出率保持不变，并在模型接力续写和参与模型改写重嵌时仍可检出。

大模型文本水印的检测此前依赖生成方的分词器或语义嵌入管线，而文本本身并不透露用了哪一种，因此未知来源的文本难以核验。ByteMark把水印信号定义在已发布文本的UTF-8字节流上，参与模型用同一公开规范和密钥嵌入，检测方只凭文本和密钥即可验证。实验显示，替换检测端的分词器或嵌入模型后，词元级与句子级基线的检出率大幅下降，而ByteMark的检出率保持不变，并在模型接力续写和参与模型改写重嵌时仍可检出。