Ferramenta interativa baseada em
Kirchenbauer et al. (2023)
— gere texto via Ollama, visualize a lista verde/vermelha e o z-score em tempo real.
Conexão
Aguardando conexão...
Prompt
Parâmetros da Marca d'Água
Fração da lista verde
Força do bias
Threshold detecção
Mesma chave deve ser usada para gerar e detectar.
Geração
Modo Comparativo
Configure a conexão com o Ollama, escreva um prompt e clique em
"Gerar com Marca d'Água" para ver a visualização interativa
do algoritmo de marca d'água.
O z-score cresce em tempo real conforme tokens são gerados.
Verdes = tokens na "lista verde" · Vermelhos = tokens na "lista vermelha".
Como funciona a Marca d'Água (Paper Kirchenbauer et al.)
1
Hash do Token Anterior
Ao gerar cada token, calcula-se o hash do token anterior usando uma chave secreta (seed).
2
Partição Verde / Vermelha
Usando o hash como semente do PRNG, o vocabulário é particionado pseudo-aleatoriamente: γ% ficam na lista verde, (1-γ)% na vermelha.
3
Bias suave (δ)
Os logits dos tokens verdes recebem um acréscimo +δ antes do softmax, favorecendo sua seleção sem degradar a qualidade.
4
Detecção via Z-Score
Conta-se quantos tokens estão na lista verde. Um texto marcado terá significativamente mais tokens verdes do que o esperado (γ×T), resultando em z > 4.
Proporção da Lista Verde (γ) — efeito visual
Verde: 50%Vermelho: 50%
Equação do Z-Score (Eq. 3 do paper)
z = ( |sG − γ·T ) / √( T · γ · (1−γ) )
Onde |sG = tokens na lista verde, T = total de tokens, γ = fração da lista verde.
Se o texto foi gerado com marca d'água, |sG| será maior que γ·T → z alto → detectado.
Comparação: Com vs Sem Marca d'Água
Ambos os textos foram gerados com o mesmo prompt e modelo. Observe a diferença na proporção de tokens verdes.