论文发表在nature上：
https://www.nature.com/articles/s41586-024-08025-4
他说调整了选词概率，可以在模型输出的时候在不增加成本的情况下增加这个水印
使用 LLM 生成文本通常是自回归的：LLM 将概率分配给词汇表中的元素（标记），然后根据迄今为止生成的文本，按照这些概率采样，选择下一个标记（图 1，上）。生成式水印（图 1，下部）通过仔细修改下一个标记的采样程序，在生成的文本分布中注入微妙的、特定于上下文的修改。这种修改会在生成的文本中引入统计签名；在水印检测阶段，可以通过测量签名来确定文本是否确实是由水印 LLM 生成的。这种方法的一个主要优点是，检测过程不需要执行计算昂贵的操作，甚至不需要访问底层 LLM（通常是专有的）。
