Talk | UCSB博士生赵宣栋:生成式AI时代的水印技术

本期为TechBeat人工智能社区第546 线上Talk!

北京时间11月15日(周三)20:00UC Santa Barbara博士生---赵宣栋的Talk已准时在TechBeat人工智能社区开播!

他与大家分享的主题是: " 生成式AI时代的水印技术**"**,系统地介绍了他的团队在水印技术已经成为解决检测AI生成内容,防止AI滥用问题的一个可行方法所做的一系列研究成果。

Talk·信息

主题:生成式AI时代的水印技术

嘉宾:UC Santa Barbara博士生 赵宣栋

时间:北京时间11 月15日(周三)20:00

地点:TechBeat人工智能社区

点击下方链接,即可观看视频!

TechBeatTechBeat是荟聚全球华人AI精英的成长社区,每周上新来自顶尖大厂、明星创业公司、国际顶级高校相关专业在读博士的最新研究工作。我们希望为AI人才打造更专业的服务和体验,加速并陪伴其成长。https://www.techbeat.net/talk-info?id=824TechBeat

Talk·介绍

随着生成式人工智能模型变得越来越强大,水印技术已经成为解决检测AI生成内容,防止AI滥用问题的一个可行方法。在这次分享中,讲者将讨论最近两篇论文中关于文本和图像中水印方法的鲁棒性和安全性的研究

第一篇论文《Provable Robust Watermarking for AI-Generated Text》为大型语言模型(LLMs)的水印提供了一个理论框架,并提出了一种添加水印的方法,该方法对生成质量、检测准确性和对文本编辑的鲁棒性提供了保证。

第二篇论文《Invisible Image Watermarks Are Provably Removable Using Generative AI》阐明了图像水印的安全性。论文介绍了一系列具有可证明保证的再生攻击,用于移除任何基于像素的图像水印。

Talk大纲

1、介绍水印技术的背景,常用的检测AI生成内容的方法。

2、介绍如何在大语言模型中添加水印

3、图像水印的安全性问题

Talk·预习资料

论文链接:

https://arxiv.org/abs/2306.17439

代码链接:

https://github.com/XuandongZhao/Unigram-Watermark

论文链接:

https://arxiv.org/abs/2306.01953

代码链接:

https://github.com/XuandongZhao/WatermarkAttacker

Talk·提问交流

在Talk界面下的**【交流区】**参与互动!留下你的打call🤟和问题🙋,和更多小伙伴们共同讨论,被讲者直接翻牌解答!

你的每一次贡献,我们都会给予你相应的i豆积分,还会有惊喜奖励哦!

Talk·嘉宾介绍

赵宣栋

UC Santa Barbara 博士生

赵宣栋就读于UC Santa Barbara,目前博士5年级,导师是李磊老师和王宇翔老师。主要研究方向为可信机器学习,在机器学习和自然语言处理顶会上发表多篇论文,并在谷歌微软等研究院实习,获得过UCSB校长奖学金及中国国家奖学金。

个人主页: https://www.techbeat.net/grzytrkj?id=35530


关于TechBeat人工智能社区

TechBeat(www.techbeat.net)隶属于将门创投,是一个荟聚全球华人AI精英的成长社区。

我们希望为AI人才打造更专业的服务和体验,加速并陪伴其学习成长。

期待这里可以成为你学习AI前沿知识的高地,分享自己最新工作的沃土,在AI进阶之路上的升级打怪的根据地!

更多详细介绍>>TechBeat,一个荟聚全球华人AI精英的学习成长社区

相关推荐
Godspeed Zhao5 小时前
从零开始学AI16——SVM
算法·机器学习·支持向量机
nebula-AI5 小时前
人工智能导论:模型与算法(核心技术)
人工智能·深度学习·神经网络·算法·机器学习·集成学习·sklearn
AI技术控7 小时前
RAG 怎么做 Query 改写?从工程实践看检索增强生成的第一道关键关卡
人工智能·语言模型·自然语言处理·oracle·nlp
larance8 小时前
[菜鸟教程] 机器学习教程第五课-机器学习如何工作
人工智能·机器学习
哥布林学者8 小时前
深度学习进阶(二十四)Swin 的二维 RPE
机器学习·ai
byzh_rc8 小时前
[自然语言处理-入门] 语音合成
人工智能·自然语言处理
染指11109 小时前
7.相似度计算(本地模型下载和使用,在线模型的使用)-RAG基础1
人工智能·机器学习·阿里云·向量·rag
隐层漫游者10 小时前
2026年了,你还只会sklearn.fit()?手把手教你推导线性回归,深度解析梯度下降与正则化,波士顿房价预测全揭秘!
机器学习
茗创科技11 小时前
Nat Hum Behav | 特征选择会导致基于脑影像的机器学习生物标志物产生迥异的神经生物学解释
python·深度学习·机器学习·matlab·脑网络
财经资讯数据_灵砚智能11 小时前
基于全球经济类多源新闻的NLP情感分析与数据可视化(夜间-次晨)2026年5月18日
人工智能·信息可视化·自然语言处理