模型回复里的隐性标记，并非插入式广告

人们对 Anthropic 模型响应所提的“水印”常有误解，多数直观联想到的是水印文本或乱码形式的广告插入，但这种理解方式存在显著偏差。实际上，这种水印不具备任何可视特征，其核心机制是利用统计学方法，在模型推理过程中对 Token 概率分布进行隐性调整，从而在生成文本中植入不可直接察觉的模式。

根据相关技术分析，该水印机制作用于模型的采样阶段。系统会根据当前 Token 的属性信息，借助算法将词表中的各类 Token 划分为「综合组」与「非综合组」，随后对「综合组」中 Token 的生成概率应用微调策略，最终使得整体文本在统计维度上表现出特定分布规律。

这种方式之所以被称为隐性水印，正在于其设计理念强调人眼不可感知性，但一旦使用专用扫描工具进行检测，就能以较高的置信度判断出文本是否来源于该模型。

实现思路与执行步骤解析

1. 逻辑划分阶段：在采样过程中，系统依照当前 Token 的属性信息，将词表内所有 Token 划分为综合组与非综合组。这种划分方式并非固定，可能根据输入上下文动态调整。

1. 概率偏移处理：随后系统会修改模型原始输出的 Logits 值，为综合组中的 Token 添加微小偏移量，从而提升其被选中作为下一个 Token 的可能性。

1. 统计检测环节：在文本生成完成后，检测程序会统计综合组 Token 在文本中的出现频率。若该频率远高于随机分布所预测的值，则可判定该文本为携带水印的信息内容。

以下为实现该水印机制的伪代码示例：

def apply_watermark(logits, green_list, bias=2.0):
    """
    给 logits 增加水印偏置
    logits: 模型输出的原始概率分布
    green_list: 被选定为“绿色”的 token 索引列表
    bias: 偏置强度
    """
    watermarked_logits = logits.clone()
    # 只对绿色集合里的 token 进行加分
    watermarked_logits[green_list] += bias
    return watermarked_logits

该技术路径不仅有助于理解 LLM 的生成逻辑，还可作为研究其推理行为的参考依据。完整代码与部署说明已发布于 GitHub 仓库 https://github.com/Saad1926Q/llm-watermark，该项目被命名为 SynthID-Text。

目前，这类水印技术存在一定争议。一方面，它可用于追踪 AI 生成内容的来源，从而避免潜在的版权问题；另一方面，由于算法设计上的局限性，可能会轻微影响文本的质量或丰富度。

> 注：本文部分素材来源于 GitHub 项目 Saad1926Q/llm-watermark，该项目标题为 Minimal SynthID-Text watermark generation and detection for language models，提供了一种针对语言模型的最小化水印生成与检测方案。