यह पेपर जनरेटिव मॉडल में वॉटरमार्किंग क्षमताओं जैसे उपयोगकर्ता अट्रिब्यूशन, पैलोड एक्सट्रैक्शन और लोकलाइजेशन के सूचना-सैद्धांतिक खर्चों का विश्लेषण करता है। यह एक गुप्त के बारे में प्रत्येक टोकन कितना खुलासा करता है, इसकी मात्रात्मक करने के लिए एक सूचना प्रोफ़ाइल पेश करता है, स्थापित करते हुए कि डिटेक्शन वितरण दूरी पर निर्भर करता है जबकि अन्य कार्य सूचना द्रव्यमान पर निर्भर करते हैं।
- स्थैतिक-अर्गोडिक स्रोतों के लिए N उपयोगकर्ताओं के लिए मल्टी-यूजर अट्रिब्यूशन Θ(log N/h) टोकन खर्च करता है, जो साकार आश्चर्य द्वारा उम्मीदवारों को थ्रेशोल्डिंग द्वारा हासिल किया जाता है।
- l-बिट पैलोड का एक्सट्रैक्शन Θ(l/h) टोकन की आवश्यकता होती है।
- एक Θ(log N)-टोकन विंडोज मौजूद है जहाँ टेस्ट प्रमाणित रूप से मशीन द्वारा बनाया गया है लेकिन अट्रिब्यूटेबल नहीं है।
- GPT-2, Pythia-410M और Qwen2.5 पर प्रयोगों ने भविष्यवाणी किए गए स्थिरांक को पुनर्प्राप्त किया।
अध्ययन मल्टी-यूजर अट्रिब्यूशन के लिए एक कसकर एन्ट्रॉपी-रेट नियम प्रदान करता है और वॉटरमार्क डिज़ाइन में फुटप्रिंट-रिज़ोल्यूशन अनिश्चितता जैसे मौलिक सीमाओं की पहचान करता है।