为兼顾溯源与隐私，研究者提出本地差分隐私语言模型水印 Red-Green Sequence

研究者提出本地差分隐私水印，将语言模型水印的目标从追踪个体改为估计总体使用频率，从而在限制单个文本对检测的贡献的同时保持频率估计准确。其 Red-Green Sequence（RGS）水印在 C4 语言建模任务上以 ε=1 实现 0.0019 MSE 和 0.0038 平均绝对偏差；在仅 100 个文本样本的作文任务中，ε=2 时误差仍为 0.0113 MSE 和 0.004 平均绝对偏差。