인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
대규모 언어 모델(LLM)의 확산에 따라 생성 텍스트의 출처를 판별하는 워터마킹 기술의 중요성이 대두되고 있다. 본 연구는 고정된 분할 비율을 사용하는 기존 BiMarker 방식의 탐지 성능 한계를 개선하기 위해, 통계 기반 극성 분할 비율 설정을 통해 최적 비율을 선택하는 동적 극 분할(DPP) 기법을 제안한다. 제안 기법은 OPT-1.3B 및 StarCoder 모델, C4 및 HumanEval·MBPP 데이터셋을 기반으로 탐지 성능, 삽입 일관성, 토큰 분포 다양성 측면에서 실험을 수행하였다. 특히 DPP 설정 7(γ = 0.65 / 0.50 / 0.35)은 모든 환경에서 우수한 성능을 나타냈으며, 단어 순서 변경 및 동의어 치환 공격에 대해서도 25% 이내의 성능 저하로 높은 내성을 보였다. 본 연구는 DPP의 실용성과 강건성을 실험적으로 입증하였으며, LLM 기반 텍스트의 신뢰성 확보를 위한 효과적인 대안을 제시한다.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-26-02-094580939
