Исследователи представляют TRACE, первый водяной знак агента, который не искажает выбор действий, самосинхронизируется при удалении и безусловно инвариантен при переписывании. Это решает проблему атрибуции происхождения, когда реселлеры могут ребрендить или заменять модели, поскольку существующие водяные знаки не выживают при враждебном доступе к журналам траекторий.

  • TRACE накладывает канал выбора, привязанный к локальному содержимому для выборки без искажений, и канал подсчета, привязанный к скелету журнала для инвариантности к переписыванию.
  • Сигнал водяного знака ограничен энтропией решений, при этом каждое решение платит не менее половины своей энтропии.
  • На ToolBench и ALFWorld TRACE соответствует показателю успеха неза watermark-ированного агента, сохраняя оценки обнаружения около z = 100 на траекториях с длинным горизонтом.
  • Канал выбора остается обнаруживаемым при удалении 70% шагов, а канал подсчета остается абсолютно неизменным при переписывании LLM любой силы.

Стирание обоих каналов заставляет реселлеров портить траектории, которые они перепродают, гарантируя, что атрибуцию нельзя удалить без изменения самих доказательств.