给 AI 生成的内容打水印这事儿

很多人觉得水印就是在那段话后面加个“由 Claude 生成”的后缀，但 Anthropic 这次搞的方案其实是在概率分布上做手脚。简单来说，就是模型在预测下一个 token 时，会根据一个特定的算法，稍微偏移一下概率分布。这种偏移对人类阅读来说完全没感觉，但对于专门的检测工具来说，这就是一个极其明显的信号。

这种做法最狡猾的地方在于，它不是在文本表面贴标签，而是把“指纹”揉进了语言的概率逻辑里。这意味着你即便把生成的段落稍微改几个词，或者把句子顺序调换一下，只要核心的 token 分布没被大范围破坏，检测工具依然能认出这段话是 Claude 写的。

不过，这种方案在实战中肯定会有各种博弈。我比较好奇的是，如果用户通过一个极其简单的提示词工程，强行要求模型使用某种极其古怪的说话风格，或者把生成结果扔给另一个模型做一次润色，这个水印还能撑多久。毕竟，只要是基于概率的统计特征，理论上都有被“洗掉”的可能。

目前看，Anthropic 这种做法更多是为了在 B 端市场给企业客户吃定心丸，毕竟现在版权纠纷这么多，能证明内容来源在法律层面比在技术层面更重要。

具体到实现逻辑，大概可以理解为：
1. 确定随机种子：为每个生成会话分配一个隐藏的密钥。
2. 调整分布：在采样阶段，将原本的高概率 token 列表划分为“绿区”和“红区”。
3. 强制选择：算法会倾向于从绿区中挑选 token，从而在统计学上形成一个可识别的模式。

这种机制如果普及，以后我们判断一段话是不是 AI 写的，可能不再靠那个死板的“首先/其次/总之”，而是靠跑一遍统计分布分析。