在人工智能领域中，保护大型语言模型的知识产权变得关键。研究人员提出了一种新方法，在语言模型中嵌入可学习的语言水印，以追踪和防止模型提取攻击。该方法在鲁棒性和输出质量之间取得了平衡，并保留了模型的原始性能。

在人工智能领域中，保护大型语言模型（LLMs）的知识产权变得越来越重要。研究人员提出了一种新方法，在LLMs中嵌入可学习的语言水印，以追踪和防止模型提取攻击。该方法通过微妙地修改LLM的输出分布，嵌入可统计辨识的水印，平衡了鲁棒性和输出质量，并保留了LLM的原始性能。