Anthropic详解Claude文本水印机制

Anthropic 进一步披露了 Claude 文本水印的工作方式。这项安排与欧盟《AI 法案》下的透明度行为准则有关，要求 AI 公司建立可识别 AI 生成内容的机制。

水印嵌入在词语选择中

公司在最新博客中解释，Claude 会在一些“低风险选择”上嵌入特定模式。比如描述天气时，在多个含义接近的词之间做选择。这样的模式普通读者难以察觉，但持有相应密钥的一方可以检测出来。

Anthropic 表示，文本水印不会影响 Claude 输出质量。对读者来说，带水印和不带水印的回答没有明显差别。

SynthID-Text将用于检测

公司称，Claude 采用的是 Google DeepMind 在 2024 年提出的 SynthID-Text 方案，并计划推出水印检测 API。Anthropic 同时强调，这与一些 AI 检测公司通过分析写作习惯、句式特征来判断是否使用 AI 的方法不同。

前者是检查是否存在预先嵌入的标记，后者则是根据文本风格做推断。两类方法的原理并不相同。

代码场景中的水印更弱

对于用户关心的“改写后是否还能识别”，Anthropic 的说法是，轻度编辑大概率无法彻底清除水印，但如果对文本进行完全重写、几乎替换每个词，水印就可能消失。

公司还提到，如果一段文字只是经过 Claude 校对或少量润色，是否能检测到水印，要看文本长度以及修改幅度。若改动较轻，绝大多数内容仍由人类作者完成，可供水印附着的部分会很少。

在代码生成场景中，水印强度预计会低于普通文本。原因是模型需要输出可运行代码，可自由替换的表达空间更小。不过在代码注释等位置，水印仍可使用，且对实际代码影响很小。

补充信息：Anthropic 表示，Claude 不会是唯一采用文本水印的聊天机器人，其他签署同一透明度行为准则的大型模型开发商也将部署各自方案。