چارچوب مدیریت ریسک هوش مصنوعی: نمایهٔ هوش مصنوعی مولد

Acemoglu, D. (2024) «اقتصاد کلان سادهٔ هوش مصنوعی» https://www.nber.org/papers/w32487

پایگاه داده رخدادهای هوش مصنوعی. https://incidentdatabase.ai/t

Atherton, D. (2024) «دیپ‌فیک‌ها و ایمنی کودکان: پیمایش و تحلیل رخدادها و پاسخ‌های سال ۲۰۲۳». AI Incident Database. https://incidentdatabase.ai/blog/deepfakes-and-child-safety/

Badyal, N. et al. (2023) «سوگیری‌های عمدی در پاسخ‌های LLM». arXiv. https://arxiv.org/pdf/2311.07611 «Bing Chat: توضیح اکسپلویت برون‌بری داده». Embrace The Red. https://embracethered.com/blog/posts/2023/bing-chat-data-exfltrati ion-poc-and-fx/i

Bommasani, R. et al. (2022) «آزار یک شخص واحد: آیا تک‌کشتی الگوریتمی به همگن‌شدن پیامدها می‌انجامد؟» arXiv. https://arxiv.org/pdf/2211.13972

Boyarskaya, M. et al. (2020) «غلبه بر ناتوانی در تصور در توسعه و استقرار سیستم‌های آمیخته با هوش مصنوعی». arXiv. https://arxiv.org/pdf/2011.13416

Browne, D. et al. (2023) «امن‌سازی خط لوله هوش مصنوعی». Mandiant. https://www.mandiant.com/resources/blog/securing-ai-pipeline

Burgess, M. (2024) «بزرگ‌ترین نقص امنیتی هوش مصنوعی مولد به‌سادگی برطرف نمی‌شود». WIRED. https://www.wired.com/story/generative-ai-prompt-injection-hacking/

Burtell, M. et al. (2024) «قدرت شگفت‌انگیز پیش‌بینی واژهٔ بعدی: توضیح مدل‌های زبانی بزرگ، بخش ۱». Georgetown Center for Security and Emerging Technology.

https://cset.georgetown.edu/article/the-surprising-power-of-next-word-prediction-large-language-

models-explained-part-1/

Canadian Centre for Cyber Security (2023) «هوش مصنوعی مولد (AI) — ITSAP.00.041». https://www.cyber.gc.ca/en/guidance/generative-artifciali -intelligence-ai-itsap00041

Carlini, N., et al. (2021) «استخراج داده‌های آموزشی از مدل‌های زبانی بزرگ». Usenix. https://www.usenix.org/conference/usenixsecurity21/presentation/carlini-extracting

Carlini, N. et al. (2023) «کمی‌سازی حفظ‌شدگی در مدل‌های زبانی عصبی». ICLR 2023. https://arxiv.org/pdf/2202.07646

Carlini, N. et al. (2024) «سرقت بخشی از یک مدل زبانی عملیاتی». arXiv. https://arxiv.org/abs/2403.06634

Chandra, B. et al. (2023) «فروپاشی کسب‌وکار اطلاعات نادرست در عملیات نفوذ چین». RAND. https://www.rand.org/pubs/commentary/2023/10/dismantling-the-disinformation-business-ofchinese.html

Ciriello, R. et al. (2024) «کشش‌های اخلاقی در همراهی انسان و هوش مصنوعی: پژوهشی جدلی دربارهٔ Replika». ResearchGate. https://www.researchgate.net/publication/374505266_Ethical_Tensions_in_HumanAI_Companionship_A_Dialectical_Inquiry_into_Replika

Dahl, M. et al. (2024) «داستان‌های حقوقی بزرگ: نیم‌رخ‌کشی توهم‌زایی‌های حقوقی در مدل‌های زبانی بزرگ». arXiv. https://arxiv.org/abs/2401.01301 De Angelo, D. (2024) «اثرهای کوتاه‌مدت، میان‌مدت و بلندمدت هوش مصنوعی در امنیت سایبری». Palo Alto Networks. https://www.paloaltonetworks.com/blog/2024/02/impacts-of-ai-in-cybersecurity/

De Freitas, J. et al. (2023) «چت‌بات‌ها و سلامت روان: نگاهی به ایمنی هوش مصنوعی مولد». Harvard Business School. https://www.hbs.edu/ris/Publication%20Files/23-011_c1bdd417-f717-47b6-bccb- 5438c6e65c1a_f6fd9798-3c2d-4932-b222-056231fe69d7.pdf

Dietvorst, B. et al. (2014) «گریز از الگوریتم: مردم پس از دیدن خطای الگوریتم‌ها به‌اشتباه از آن‌ها دوری می‌کنند». Journal of Experimental Psychology. https://marketing.wharton.upenn.edu/wpcontent/uploads/2016/10/Dietvorst-Simmons-Massey-2014.pdf

Duhigg, C. (2012) «شرکت‌ها چگونه رازهای شما را یاد می‌گیرند». New York Times. https://www.nytimes.com/2012/02/19/magazine/shopping-habits.html

Elsayed, G. et al. (2024) «تصاویری که برای فریب بینایی ماشین دستکاری شده‌اند می‌توانند بر انسان‌ها نیز اثر بگذارند». Google DeepMind. https://deepmind.google/discover/blog/images-altered-to-trick-machine-vision-can- infuencel -humans-too/

Epstein, Z. et al. (2023). «هنر و علم هوش مصنوعی مولد». Science. https://www.science.org/doi/10.1126/science.adh4451

Feffer, M. et al. (2024) «تیم قرمز برای هوش مصنوعی مولد: گلولهٔ نقره‌ای یا تئاتر امنیتی؟» arXiv. https://arxiv.org/pdf/2401.15897

Glazunov, S. et al. (2024) «Project Naptime: ارزیابی قابلیت‌های امنیت تهاجمی مدل‌های زبانی بزرگ». Project Zero. https://googleprojectzero.blogspot.com/2024/06/project-naptime.html

Greshake, K. et al. (2023) «چیزی که برایش ثبت‌نام نکرده‌اید: به‌خطرانداختن کاربردهای واقعی یکپارچه با LLM از طریق تزریق دستور غیرمستقیم». arXiv. https://arxiv.org/abs/2302.12173

Hagan, M. (2024) «کمک حقوقی خوب هوش مصنوعی، کمک حقوقی بد هوش مصنوعی: تدوین استانداردهای کیفیت برای پاسخ‌ها به روایت‌های حقوقی مردم». SSRN. https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4696936

Haran, R. (2023) «امن‌سازی سیستم‌های LLM در برابر تزریق دستور». NVIDIA. https://developer.nvidia.com/blog/securing-llm-systems-against-prompt-injection/

Information Technology Industry Council (2024) «احراز اصالت محتوای تولیدشده با هوش مصنوعی». https://www.itic.org/policy/ITI_AIContentAuthorizationPolicy_122123.pdf

Jain, S. et al. (2023) «تکثر الگوریتمی: رویکردی ساختاری به برابری فرصت‌ها». arXiv. https://arxiv.org/pdf/2305.08157

Ji, Z. et al (2023) «مروری بر توهم‌زایی در تولید زبان طبیعی». ACM Comput. Surv. 55, 12, Article 248. https://doi.org/10.1145/3571730

Jones-Jang, S. et al. (2022) «مردم به شکست هوش مصنوعی چگونه واکنش نشان می‌دهند؟ سوگیری اتوماسیون، گریز از الگوریتم، و قابلیت کنترل ادراک‌شده». Oxford. https://academic.oup.com/jcmc/article/28/1/zmac029/6827859]

Jussupow, E. et al. (2020) «چرا نسبت به الگوریتم‌ها گریز داریم؟ مرور جامع ادبیات دربارهٔ گریز از الگوریتم». ECIS 2020. https://aisel.aisnet.org/ecis2020_rp/168/

Kalai, A., et al. (2024) «مدل‌های زبانی کالیبره باید توهم‌زایی کنند». arXiv. https://arxiv.org/pdf/2311.14648 Karasavva, V. et al. (2021) «پیش‌بین‌های شخصیتی، نگرشی و جمعیت‌شناختی انتشار غیررضایی تصاویر صمیمی». NIH. https://www.ncbi.nlm.nih.gov/pmc/articles/PMC9554400/

Katzman, J., et al. (2023) «طبقه‌بندی و سنجش آسیب‌های بازنمایی: نگاهی به برچسب‌گذاری تصاویر». AAAI. https://dl.acm.org/doi/10.1609/aaai.v37i12.26670

Khan, T. et al. (2024) «از کد تا مصرف‌کننده: تحلیل زنجیرهٔ ارزش PAI بازیگران کلیدی هوش مصنوعی مولد را روشن می‌کند». AI. https://partnershiponai.org/from-code-to-consumer-pais-value-chain-analysis-illuminatesgenerative-ais-key-players/

Kirchenbauer, J. et al. (2023) «یک واترمارک‌گذاری برای مدل‌های زبانی بزرگ». OpenReview. https://openreview.net/forum?id=aX8ig9X2a7

Kleinberg, J. et al. (مه ۲۰۲۱ (اردیبهشت ۱۴۰۰ تا خرداد ۱۴۰۰)) «تک‌کشتی الگوریتمی و رفاه اجتماعی». PNAS. https://www.pnas.org/doi/10.1073/pnas.2018340118

Lakatos, S. (2023) «تصویری افشاگر». Graphika. https://graphika.com/reports/a-revealing-picture

Lee, H. et al. (2024) «دیپ‌فیک، جمجمه‌شناسی، پایش و بیش از آن! گونه‌شناسی ریسک‌های حریم خصوصی هوش مصنوعی». arXiv. https://arxiv.org/pdf/2310.07879

Lenaerts-Bergmans, B. (2024) «مسموم‌سازی داده: بهره‌برداری از هوش مصنوعی مولد». Crowdstrike. https://www.crowdstrike.com/cybersecurity-101/cyberatacks/datat -poisoning/

Liang, W. et al. (2023) «آشکارسازهای GPT نسبت به نویسندگان غیربومی انگلیسی‌زبان سوگیری دارند». arXiv. https://arxiv.org/abs/2304.02819

Luccioni, A. et al. (2023) «پردازش تشنهٔ انرژی: وات‌ها چه هزینه‌ای برای استقرار هوش مصنوعی ایجاد می‌کنند؟» arXiv. https://arxiv.org/pdf/2311.16863

Mouton, C. et al. (2024) «ریسک‌های عملیاتی هوش مصنوعی در حملات زیستی گسترده». RAND. https://www.rand.org/pubs/research_reports/RRA2977-2.html.

Nicoletti, L. et al. (2023) «انسان‌ها سوگیری دارند؛ هوش مصنوعی مولد حتی بدتر». Bloomberg. https://www.bloomberg.com/graphics/2023-generative-ai-bias/.

National Institute of Standards and Technology (2024) «یادگیری ماشین خصمانه: گونه‌شناسی و واژگان حملات و اقدامات کاهنده». https://csrc.nist.gov/pubs/ai/100/2/e2023/fnali

National Institute of Standards and Technology (2023) «چارچوب مدیریت ریسک هوش مصنوعی (AI Risk Management Framework, AI RMF)». https://www.nist.gov/itl/ai-risk-management-framework

National Institute of Standards and Technology (2023) «چارچوب مدیریت ریسک هوش مصنوعی، فصل ۳: ریسک‌ها و قابلیت اعتماد هوش مصنوعی».

https://airc.nist.gov/AI_RMF_Knowledge_Base/AI_RMF/Foundational_Information/3-sec-characteristics

National Institute of Standards and Technology (2023) «چارچوب مدیریت ریسک هوش مصنوعی، فصل ۶: نیم‌رخ‌های چارچوب مدیریت ریسک هوش مصنوعی». https://airc.nist.gov/AI_RMF_Knowledge_Base/AI_RMF/Core_And_Profles/6i -sec-proflei

National Institute of Standards and Technology (2023) «چارچوب مدیریت ریسک هوش مصنوعی، پیوست الف: توصیف وظایف کنشگران هوش مصنوعی».

https://airc.nist.gov/AI_RMF_Knowledge_Base/AI_RMF/Appendices/Appendix_A#:~:text=AI%20actors% 20in%20this%20category,data%20providers%2C%20system%20funders%2C%20product National Institute of Standards and Technology (2023) «چارچوب مدیریت ریسک هوش مصنوعی، پیوست ب: تفاوت ریسک‌های هوش مصنوعی با ریسک‌های نرم‌افزار سنتی». https://airc.nist.gov/AI_RMF_Knowledge_Base/AI_RMF/Appendices/Appendix_B

National Institute of Standards and Technology (2023) «کتاب راهنمای چارچوب مدیریت ریسک هوش مصنوعی (AI RMF Playbook)». https://airc.nist.gov/AI_RMF_Knowledge_Base/Playbook

National Institue of Standards and Technology (2023) «چارچوب‌بندی ریسک (Framing Risk)» https://airc.nist.gov/AI_RMF_Knowledge_Base/AI_RMF/Foundational_Information/1-sec-risk

National Institute of Standards and Technology (2023) «زبان هوش مصنوعی اعتمادپذیر: واژه‌نامه‌ای عمیق از اصطلاحات» https://airc.nist.gov/AI_RMF_Knowledge_Base/Glossary

National Institue of Standards and Technology (2022) «به‌سوی استانداردی برای شناسایی و مدیریت سوگیری در هوش مصنوعی» https://www.nist.gov/publications/towards-standard-identifying-andmanaging-bias-artifciali -intelligence

Northcutt, C. et al. (2021) «خطاهای فراگیر برچسب در مجموعه‌های آزمون، معیارهای مرجع یادگیری ماشین را بی‌ثبات می‌کند». arXiv. https://arxiv.org/pdf/2103.14749

OECD (2023) «پیشبرد پاسخگویی در هوش مصنوعی: حکمرانی و مدیریت ریسک‌ها در سراسر چرخهٔ عمر برای هوش مصنوعی اعتمادپذیر»، OECD Digital Economy Papers، شمارهٔ 349، OECD Publishing، پاریس. https://doi.org/10.1787/2448f04b-en

OECD (2024) «تعریف رخدادهای هوش مصنوعی و اصطلاحات مرتبط»، OECD Artificial Intelligence Papers، شمارهٔ 16، OECD Publishing، پاریس. https://doi.org/10.1787/d1a8d965-en

OpenAI (2023) «کارت سیستم GPT-4». https://cdn.openai.com/papers/gpt-4-system-card.pdf

OpenAI (2024) «گزارش فنی GPT-4». https://arxiv.org/pdf/2303.08774

Padmakumar, V. et al. (2024) «آیا نوشتن با مدل‌های زبانی تنوع محتوایی را کاهش می‌دهد؟» ICLR. https://arxiv.org/pdf/2309.05196

Park, P. et. al. (2024) «فریب هوش مصنوعی: مروری بر نمونه‌ها، ریسک‌ها و راه‌حل‌های بالقوه». Patterns, 5(5). arXiv. https://arxiv.org/pdf/2308.14752

Partnership on AI (2023) «ساختن واژه‌نامه‌ای برای روش‌های شفافیت رسانهٔ مصنوعی، بخش ۱: افشای غیرمستقیم». https://partnershiponai.org/glossary-for-synthetic-media-transparency-methods-part-1indirect-disclosure/

Qu, Y. et al. (2023) «انتشار ناامن: دربارهٔ تولید تصاویر ناامن و میم‌های نفرت‌پراکن از مدل‌های متنی‌به‌تصویر». arXiv. https://arxiv.org/pdf/2305.13873

Rafat, K. et al. (2023) «کاهش ردپای کربن برای فشرده‌سازی مدل یادگیری عمیق مبتنی بر تقطیر دانش». PLOS One. https://journals.plos.org/plosone/article?id=10.1371/journal.pone.0285668

Said, I. et al. (2022) «توزیع غیررضایی تصاویر صمیمی: بررسی نقش نگرش‌های حقوقی در قربانی‌شدن و مرتکب‌شدن». Sage. https://journals.sagepub.com/doi/full/10.1177/08862605221122834#bibr47-08862605221122834

Sandbrink, J. (2023) «هوش مصنوعی و سوءاستفادهٔ زیستی: تفکیک ریسک‌های مدل‌های زبانی و ابزارهای طراحی زیستی». arXiv. https://arxiv.org/pdf/2306.13952 Satariano, A. et al. (2023) «افراد روی پرده جعلی‌اند. اطلاعات نادرست واقعی است». New York Times. https://www.nytimes.com/2023/02/07/technology/artifciali -intelligence-training-deepfake.html

Schaul, K. et al. (2024) «درون فهرست مخفی وب‌سایت‌هایی که به هوش مصنوعی‌هایی مانند ChatGPT هوشمندی می‌بخشند». Washington Post. https://www.washingtonpost.com/technology/interactive/2023/ai-chatbot-learning/

Scheurer, J. et al. (2023) «گزارش فنی: مدل‌های زبانی بزرگ هنگام تحت‌فشار قراردادن می‌توانند کاربران خود را به‌شکل راهبردی فریب دهند». arXiv. https://arxiv.org/abs/2311.07590

Shelby, R. et al. (2023) «آسیب‌های اجتماعی‌فنی سیستم‌های الگوریتمی: ترسیم گونه‌شناسی برای کاهش آسیب». arXiv. https://arxiv.org/pdf/2210.05791

Shevlane, T. et al. (2023) «ارزیابی مدل برای ریسک‌های افراطی». arXiv. https://arxiv.org/pdf/2305.15324

Shumailov, I. et al. (2023) «نفرین بازگشت: آموزش بر دادهٔ تولیدشده موجب فراموشی مدل‌ها می‌شود». arXiv. https://arxiv.org/pdf/2305.17493v2

Smith, A. et al. (2023) «توهم‌زایی یا برساختگی؟ کالبدشناسی عصبی به‌مثابهٔ استعاره در مدل‌های زبانی بزرگ». PLOS Digital Health. https://journals.plos.org/digitalhealth/article?id=10.1371/journal.pdig.0000388

Soice, E. et al. (2023) «آیا مدل‌های زبانی بزرگ می‌توانند دسترسی به فناوری زیستی دوکاربردی را دموکراتیک کنند؟» arXiv. https://arxiv.org/abs/2306.03809

Solaiman, I. et al. (2023) «طیف انتشار هوش مصنوعی مولد: روش‌ها و ملاحظات». arXiv. https://arxiv.org/abs/2302.04844

Staab, R. et al. (2023) «فراتر از حفظ‌کردن: نقض حریم خصوصی از طریق استنتاج با مدل‌های زبانی بزرگ». arXiv. https://arxiv.org/pdf/2310.07298

Stanford, S. et al. (2023) «مدل‌های زبانی بازتاب نظر چه کسانی‌اند؟» arXiv. https://arxiv.org/pdf/2303.17548

Strubell, E. et al. (2019) «ملاحظات انرژی و خط‌مشی برای یادگیری عمیق در NLP». arXiv. https://arxiv.org/pdf/1906.02243

The White House (2016) «بخشنامهٔ شمارهٔ A-130، مدیریت اطلاعات به‌مثابهٔ منبع راهبردی». https://www.whitehouse.gov/wpcontent/uploads/legacy_drupal_fles/omb/circulars/A130/a130revised.pdf i

The White House (2023) «فرمان اجرایی دربارهٔ توسعه و کاربرد ایمن، امن و اعتمادپذیر هوش مصنوعی». https://www.whitehouse.gov/briefngi -room/presidential- actions/2023/10/30/executive-order-on-the-safe-secure-and-trustworthy-development-and-use-ofartifciali -intelligence/

The White House (2022) «نقشهٔ راه پژوهشگران دربارهٔ اولویت‌های پژوهش و توسعهٔ مرتبط با تمامیت اطلاعات». https://www.whitehouse.gov/wp-content/uploads/2022/12/RoadmapInformation-Integrity-RD-2022.pdf?

Thiel, D. (2023) «یافتهٔ بررسی: مدل‌های تولید تصویر هوش مصنوعی بر دادهٔ آزار کودکان آموزش دیده‌اند». Stanford Cyber Policy Center. https://cyber.fsi.stanford.edu/news/investigation-fndsi -ai-image-generation-models- trained-child-abuse Tirrell, L. (2017) «سخن سمی: به‌سوی اپیدمیولوژی آسیب گفتمانی». Philosophical Topics, 45(2)، 139-162. https://www.jstor.org/stable/26529441

Tufekci, Z. (2015) «آسیب‌های الگوریتمی فراتر از فیس‌بوک و گوگل: چالش‌های نوپدید عاملیت محاسباتی». Colorado Technology Law Journal. https://ctlj.colorado.edu/wpcontent/uploads/2015/08/Tufekci-fnal.pdfi

Turri, V. et al. (2023) «چرا باید بیش بدانیم: بررسی وضعیت رویه‌های مستندسازی رخدادهای هوش مصنوعی». AAAI/ACM Conference on AI, Ethics, and Society. https://dl.acm.org/doi/fullHtml/10.1145/3600211.3604700

Urbina, F. et al. (2022) «کاربرد دوگانه در کشف داروهای مبتنی بر هوش مصنوعی». Nature Machine Intelligence. https://www.nature.com/articles/s42256-022-00465-9

Wang, X. et al. (2023) «ملاحظات انرژی و کربن در تنظیم دقیق BERT». ACL Anthology. https://aclanthology.org/2023.fndingsi -emnlp.607.pdf

Wang, Y. et al. (2023) «پاسخ نده: مجموعه‌داده‌ای برای ارزیابی ابزارهای حفاظتی در LLMها». arXiv. https://arxiv.org/pdf/2308.13387

Wardle, C. et al. (2017) «آشفتگی اطلاعاتی: به‌سوی چارچوبی میان‌رشته‌ای برای پژوهش و سیاست‌گذاری». Council of Europe. https://rm.coe.int/information-disorder-toward-an-interdisciplinaryframework-for-researc/168076277c

Weatherbed, J. (2024) «ترول‌ها ایکس را با دیپ‌فیک‌های هوش مصنوعی مستهجن تیلور سوئیفت پر کرده‌اند». The Verge. https://www.theverge.com/2024/1/25/24050334/x-twitert -taylor-swift-ai-fake-images-trending

Wei, J. et al. (2024) «واقعیت‌سنجی بلند در مدل‌های زبانی بزرگ». arXiv. https://arxiv.org/pdf/2403.18802

Weidinger, L. et al. (2021) «ریسک‌های اخلاقی و اجتماعی آسیب ناشی از مدل‌های زبانی». arXiv. https://arxiv.org/pdf/2112.04359

Weidinger, L. et al. (2023) «ارزیابی ایمنی اجتماعی‌فنی سیستم‌های هوش مصنوعی مولد». arXiv. https://arxiv.org/pdf/2310.11986

Weidinger, L. et al. (2022) «گونه‌شناسی ریسک‌های ناشی از مدل‌های زبانی». FAccT ’22. https://dl.acm.org/doi/pdf/10.1145/3531146.3533088

West, D. (2023) «هوش مصنوعی ریسک‌های نامتناسبی برای زنان ایجاد می‌کند». Brookings. https://www.brookings.edu/articles/ai-poses-disproportionate-risks-to-women/

Wu, K. et al. (2024) «LLMها منابع پزشکی مرتبط را چقدر خوب استناد می‌کنند؟ چارچوب ارزیابی و تحلیل‌ها». arXiv. https://arxiv.org/pdf/2402.02008

Yin, L. et al. (2024) «GPT شرکت OpenAI ابزار رؤیایی استخدام‌کنندگان است. آزمون‌ها نشان می‌دهند سوگیری نژادی دارد». Bloomberg. https://www.bloomberg.com/graphics/2024-openai-gpt-hiring-racial-discrimination/

Yu, Z. et al. (مارس ۲۰۲۴ (اسفند ۱۴۰۲ تا فروردین ۱۴۰۳)) «به حرف من گوش نده: فهم و کاوش دستورهای دور زدن محدودیت‌های مدل (Jailbreak) در مدل‌های زبانی بزرگ». arXiv. https://arxiv.org/html/2403.17336v1

Zaugg, I. et al. (2022) «زبان‌های محروم دیجیتالی». Policy Review. https://policyreview.info/pdf/policyreview-2022-2-1654.pdf Zhang, Y. et al. (2023) «جانبداری انسانی، نه گریز از هوش مصنوعی: ادراکات (و سوگیری) مردم نسبت به هوش مصنوعی مولد، خبرگان انسانی، و همکاری انسان و GAI در تولید محتوای اقناعی». Judgment and Decision Making. https://www.cambridge.org/core/journals/judgment-and-decisionmaking/article/human-favoritism-not-ai-aversion-peoples-perceptions-and-bias-toward-generative-aihuman-experts-and-humangai-collaboration-in-persuasive-contentgeneration/419C4BD9CE82673EAF1D8F6C350C4FA8

Zhang, Y. et al. (2023) «آواز پری در اقیانوس هوش مصنوعی: مروری بر توهم‌زایی در مدل‌های زبانی بزرگ». arXiv. https://arxiv.org/pdf/2309.01219

Zhao, X. et al. (2023) «واترمارک‌گذاری مقاوم و اثبات‌پذیر برای متن تولیدشده با هوش مصنوعی». Semantic Scholar. https://www.semanticscholar.org/paper/Provable-Robust-Watermarking-for-AI-Generated-Text-ZhaoAnanth/75b68d0903af9d9f6e47ce3cf7e1a7d27ec811dc