给AI文本打上隐形烙印，一键识别机器生成内容
MarkLLM 是一个面向大语言模型（LLM）水印技术的开源工具包，在 EMNLP 2024 上作为 Demo 发布。它旨在解决 AI 生成文本的溯源与版权保护问题，通过为模型输出嵌入不可见的水印，帮助识别文本是否由特定模型生成。该工具包实现了多种主流水印算法，如 KGW、Aar 等，并提供了统一的评估框架，支持可视化工具，方便研究者直观对比不同算法的鲁棒性、隐蔽性和生成质量。核心能力包括：算法复现、自动化评估、可视化分析以及便捷的扩展接口，让研究人员和开发者能快速上手并定制自己的水印方案。
⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。
1克隆仓库
从 GitHub 获取 MarkLLM 源码，README 未提供具体克隆命令，此为通用准备动作
git clone https://github.com/THU-BPM/MarkLLM.git2进入目录
切换到项目根目录，准备后续操作
cd MarkLLM3查阅安装说明
README 节选未包含安装命令，请打开完整 README 查看依赖安装与配置方式
4集成使用
参照 README 的 How to use the toolkit in your own code 章节，在代码中调用水印算法
参照完整 README 中的示例代码运行，确认能正常生成带水印文本或完成评估流程
Q：README 节选里没有安装命令怎么办？
A：节选未包含安装说明，请直接查看 GitHub 仓库完整 README，按其中指引安装依赖。
Q：如何贡献新的水印算法？
A：README 欢迎 PR，如果你实现了 LLM 水印算法或感兴趣，可提交 PR 加入 MarkLLM 社区。
Q：MarkLLM 支持哪些水印算法？
A：项目信息显示支持 KGW、Aar 等多种主流水印算法，具体列表以仓库完整 README 为准。
Q：如何在 own code 中使用该工具包？
A：README 有 'How to use the toolkit in your own code' 章节，请参考该部分将水印功能集成到你的代码中。
Watermark-Robustness、LLM-Watermarking、AIGC-Watermark
MarkLLM 是评测安全领域的开源项目，由 THU-BPM 开发，2024 年首次发布。
在全站 13,014 个收录项目中，它的 GitHub 星标数（1,074）位列前 30%，在评测安全分类中处于中上游。
近 42 天，它的 GitHub 星标从 1,025 增加到 1,074，净增 49。
项目保持着较活跃的维护节奏，最近一次代码更新于 2026-09-23。Apache-2.0 许可证，完全免费，可自行部署使用。
它主要面向的使用场景是：学术研究：对比不同水印算法性能，验证新方法。同类可对比的替代方案包括 Watermark-Robustness、LLM-Watermarking、AIGC-Watermark。
上一篇：SemBench
akto
开源
给 AI 应用做安全体检，防提示注入和数据泄露
Akto is the fastest growing AI Security platform for your teams to secure AI agents,···
XSafeClaw
开源
给 AI 智能体装上安全盾，自动红队测试找漏洞
Introducing XSafeClaw: The Open-Source Agent Safety Platform from Fudan University
deepteam
开源
自动模拟越狱攻击，提前测出 LLM 安全漏洞
DeepTeam is a framework to red team LLMs and AI agents.
Tracely-ai
开源
把生产事故变成回归测试，合并前自动拦截 AI 故障
Trace-native CI/CD for AI agents — production failures become regression tests that···