연구진은 생성 모델 출력에 워터마크를 활용해 텍스트 제작 주체를 식별하고, 숨겨진 정보를 추출하며, 편집 후에도 살아남는 부분을 특정하는 등 다양한 기능을 수행할 수 있음을 밝혔습니다.
워터마크가 담긴 정보 프로필(ν(t))은 텍스트의 각 토큰이 비밀(S)에 대해 얼마나 많은 정보를 제공하는지 기록하며, 이 프로필의 총량은 속성 부여 및 정보 추출 비용을 결정합니다.
연구 결과, 통계적 왜곡이 없는 경우, N명의 사용자 중 한 명에게 텍스트를 속성 부여하는 데는 모든 정지-헐리안트 엔트로피율(h)을 가진 소스에서 Θ(log N/h) 토큰이 필요하며, 이는 정확한 정렬을 통한 다중 사용자 속성 부여에 대한 첫 번째 정확한 엔트로피율 법칙입니다.
실험 결과 GPT-2, Pythia-410M, Qwen2.5 모델에서 예측된 상수를 회수했으며, 워터마크가 없는 텍스트와 워터마크가 있는 텍스트 사이의 구분 가능성이 존재하며, 워터마크의 해상도에 대한 불확실성 원리가 존재합니다.