给文本和图片打水印这招其实挺没意思的

文本水印这东西在技术层面上其实是个挺玄学的领域。图片水印好办，加个不可见噪点或者元数据就行，但文本水印是通过操纵 Token 的概率分布，让生成的文本在统计学上带有某种“指纹”。说白了，就是 AI 在选词的时候，会故意在不影响语义的前提下，按照某种特定模式选词。

我比较质疑的是这种方案的鲁棒性。对于文本水印来说，只要用户拿到结果后稍微做一点手动修改，或者把这段话丢给另一个模型做一次简单的润色（Paraphrasing），原有的概率分布指纹大概率就直接被洗掉了。这就好比在沙滩上写字，浪打一次就没了，在这种情况下，强行推行水印机制对防止 AI 抄袭或者验证原创的实际意义究竟有多大？

不过从工程实操角度看，Anthropic 这么做可能是为了应对监管。现在的趋势就是要把 AI 生成的内容变得“可追溯”，哪怕这种追溯在技术上漏洞百出。对于开发者来说，如果未来这种水印机制影响到 API 输出的随机性或者多样性，那才是真正让人头疼的地方。

目前这种水印的部署逻辑大概是这样的：

一、文本层面的概率偏移
模型在预测下一个 Token 时，不再仅仅选择概率最高的那几个，而是将候选集分为“水印集”和“非水印集”，并给水印集增加一个微小的权重偏移。

二、图片层面的隐形编码
在图像生成的潜空间（Latent Space）中嵌入特定的高频信号，这种信号对人眼不可见，但可以通过特定的解码器检测出来。

三、验证链路
当一段文本被怀疑是 AI 生成时，验证端会计算该文本中符合特定概率分布的 Token 比例，如果超过某个阈值，就判定为 AI 作品。

在这种机制下，一个简单的实战绕过方法就是：

将 AI 生成的内容输入给一个轻量级模型，要求它：
"请在不改变原意的前提下，将以下段落改为更口语化的表达方式。"

一旦经过这样一次处理，原有的统计学指纹基本就失效了。