Cet article analyse les coûts informationnels des capacités de filigrane telles que l'attribution utilisateur, l'extraction de payload et la localisation dans les modèles génératifs. Il introduit un profil informationnel pour quantifier la quantité d'information qu'un jeton révèle sur un secret, établissant que la détection repose sur la distance de distribution tandis que d'autres tâches dépendent de la masse d'information.
- L'attribution multi-utilisateurs pour N utilisateurs coûte Θ(log N/h) jets sur des sources stationnaires-ergodiques, réalisée par seuillage des candidats selon l'étonnement réalisé.
- L'extraction d'un payload de l bits nécessite Θ(l/h) jets.
- Une fenêtre de Θ(log N) jets existe où le texte est prouvé être généré par machine mais non attribuable.
- Les expériences sur GPT-2, Pythia-410M et Qwen2.5 ont récupéré les constantes prédites.
L'étude fournit une loi d'entropie serrée pour l'attribution multi-utilisateurs et identifie des limites fondamentales telles que l'incertitude de résolution d'empreinte dans la conception de filigrane.