在ICML 2026中，我担任区域主席，负责16篇论文的审稿工作，工作量超出预期。会议实施了保守和宽松两种LLM使用政策，审稿人需声明选择。通过机器可读水印检测LLM使用，违规将被拒稿。我推荐接受一篇来自同一实验室的高质量论文。

本研究提出了一种新方法Tr-GoF，旨在解决大型语言模型生成文本中因人工编辑导致的水印检测信号稀释问题。该方法在文本修改范围内展现出更强的鲁棒性和检测效率。

本研究比较了被动检测和水印检测在AI生成图像检测中的有效性与效率。通过开发ImageDetectBench基准，结果显示水印检测器在多种情况下优于被动检测器，并提出了最佳检测器选择建议。

本文综述大语言模型文本水印技术，涵盖语义不变水印、自适应水印策略、私有模型保护框架及评估基准。研究关注质量、检测所需标记数和防篡改性，发现水印对选择题和短句生成影响小，但使摘要和翻译性能下降15-20%，并探讨白盒与黑盒检测方法。