AutoMark：用自动化研究自主发现更优的 LLM 水印方案

该论文提出 AutoMark 框架，首次实现无失真、当前最优水印方案的自主发现。研究者先设定水印可靠性标准、设计自动统计检验，并构建从可检测性、质量、鲁棒性三个维度排序水印的评估套件；用三个前沿模型运行后，共发现 50 多种水印方案，其中若干在全部关键维度上超过既有工作。

此前 LLM 水印进展主要依赖人类研究者改进既有方法的细节，速度受人力节奏限制。该工作把方案发现与自动评估交给智能体，且智能体除改良已有思路外，还给出如将水印分数与随机逐请求方向对齐这类新思路，意味着水印研究方式出现由人工调参转向自动搜索的变化。

机制分三层：先用严格标准约束假阳性率等可靠性底线，避免生成不可信方案；再用统计检验自动判定方案是否达标；最后用三维评估套件对可检测性、质量与鲁棒性排序，形成可自动迭代的搜索闭环。智能体在这一闭环中既复用已有方法，也生成新结构，研究者再人工拆解发现方案、逐一验证各组件影响。

对把水印用于内容标识的产品团队，评估套件可直接用于筛选和对比方案，降低人工评测成本；三维排序明确了检测率、生成质量与抗改写能力之间的权衡，便于按合规要求设定上线门槛。自动搜索还意味着水印方案迭代周期可能从数月缩短到更短。

• 将可检测性、质量、鲁棒性三维评估套件用于内部水印方案选型与回归测试
• 针对监管要求场景，建立自动统计检验流水线，拦截假阳性率超标的方案
• 用三个前沿模型复现 50 多种方案，建立可选水印方案库并标注各维度表现
• 与合规或风控团队共建水印上线验收标准，把自动评估结果作为放行依据

• AutoMark 发现的水印方案在真实生产流量与对抗攻击下的表现是否稳定
• 框架对 GPT-6 Astra、Opus 5、Gemini-3.8 Flash 之外的模型是否同样适用
• 自动生成的方案能否被现有推理与部署基础设施低成本支持
• 三维评估套件的代码与标准是否公开、可被第三方复现