Исследователи представляют TRACE, первый водяной знак агента, который не искажает выбор действий, самосинхронизируется при удалении и абсолютно инвариантен при переписывании. Метод накладывает канал выбора, привязанный к локальному содержимому, на канал подсчёта, привязанный к скелету журнала, чтобы обеспечить устойчивость к враждебным изменениям.

  • TRACE использует канал выбора для сэмплирования без искажений и канал подсчёта, основанный на структуре журнала.
  • Оценки обнаружения достигают значений около z = 100 на длинных траекториях в бенчмарках ToolBench и ALFWorld.
  • Водяной знак остаётся обнаруживаемым при удалении 70% шагов и не изменяется переписыванием LLM любой силы.
  • Стирание обоих каналов вынуждает перепродавцов искажать траектории, которые они перепродают.

Авторы считают это важным, потому что это позволяет сохранить атрибуцию, когда происхождение оспаривается, а перепродавцы имеют полный доступ на чтение и запись к журналам траекторий.