大型语言模型（LLM）的水印技术对于版权保护和内容溯源至关重要，但现有水印方案往往在检测精度和文本质量之间面临权衡。大多数方案通过偏置下一个词元的概率分布来嵌入标记，这不可避免地导致可测量的质量损失。为了突破这一瓶颈，Fabrice Harel-Canada和Amit Sahai提出了一种名为SLAM（Structural Linguistic Activation Marking）的新型白盒水印方案。SLAM的核心创新在于，它不再像传统方法那样操纵词频，而是将水印嵌入到文本的结构几何中。具体来说，SLAM利用稀疏自编码器在模型的残差流中识别出那些编码语言结构特征（如语态、时态、从句顺序）的方向，然后在生成文本时对这些方向进行因果引导，从而在词汇选择和语义不受约束的情况下隐藏水印信息。
在Gemma-2 2B和9B模型上的实验结果显示，SLAM在检测准确率上达到了惊人的100%，而质量损失仅为1-2奖励点。相比之下，KGW、EWD和Unigram等现有方法的质量损失高达7.5-11.5奖励点。同时，SLAM生成文本的自然度和多样性与无水印版本几乎无异。不过，SLAM的鲁棒性呈现出互补的特征：它能有效抵抗词级编辑攻击，但对于改变句子结构的释义攻击则较为脆弱——当然，这类攻击本身也会带来额外的质量损失。这一特点恰好与基于词元分布的传统方法相反。
总体而言，SLAM为LLM水印技术开辟了一条全新的道路。它不仅大幅降低了水印对文本质量的影响，还提供了与传统方法迥异的鲁棒性特征，有望在版权保护和内容溯源等实际应用中发挥重要作用。该论文目前正在评审中，共9页，2026年5月6日提交至arXiv。