대규모 언어 모델을 위한 의미론적 워터마크: 문장 수준의 워터마크로 문장 생성 모델의 악용 방지

본 연구는 문장 수준의 의미론적 워터마크 기법 SEMSTAMP를 제안하여, 대규모 언어 모델의 악용을 방지하고자 한다. SEMSTAMP는 문장 임베딩 공간을 지역 민감 해싱(LSH)으로 분할하고, 생성된 문장이 유효 영역에 속하도록 샘플링하여 워터마크를 삽입한다. 이를 통해 문장 수준에서 의미를 보존하면서도 문장 생성의 품질을 유지할 수 있다.