Anthropic 近日披露了其大语言模型水印技术的工作原理，证实该技术与此前业界关注的 MirrorMark 方法高度相似。该水印本质上是一种反映模型生成随机性的模式，而非嵌入文本中的隐藏字符。
水印核心机制：基于选词随机性
与部分网络传言不同，Anthropic 的水印并未在文本中嵌入 Unicode 字符或元数据，因此无法通过复制粘贴移除。该技术也不依赖于特定的写作句式（如“不是……而是……”）或破折号使用习惯，其核心在于识别特定的统计模式。
大型语言模型在生成文本时并非总是选择概率最高的词，而是保留了一定程度的随机性。Anthropic 采用的 SynthID 风格水印正是利用这一特性：通过水印密钥和前文语境共同决定选词的随机性来源。这种微调使得生成文本在人类感知上与常规文本无异，但持有密钥的验证方可以通过检查词序列的一致性来识别水印。
“这种模式对普通读者不可见，但对拥有编码密钥者透明。Claude 的选词依然是随机的，只是随机性的源头由密钥和历史上下文共同确定，从而形成可被验证的序列特征。”
技术渊源：SynthID-Text 的演进版
Claude 所采用的水印技术是 Google DeepMind 于 2024 年发表在《自然》杂志上的 SynthID-Text 方法的特定版本。该方法属于 Scott Aaronson 在 2022 年提出的水印设计原则家族，即仅改变选词时的随机性来源，而不干预模型本身的生成逻辑。
值得注意的是，自 SynthID 发布以来，相关技术已取得显著进展。例如 MirrorMark 等后续方案已将水印分散至全文并利用上下文锚定平衡调度器（CABS）增强抗编辑能力，同时支持多比特信息编码。尽管 Anthropic 未明确声明使用 MirrorMark，但其技术路线已体现出对新一代水印特性的吸收。
抗编辑能力与局限性
Anthropic 承认，该水印可通过彻底重写或逐词替换被绕过，但轻度编辑通常无法完全消除水印信号。这是因为水印依赖于生成时的词序列模式，大规模改写会破坏这一结构。不过，若文本被彻底重构，其是否仍应被视为 AI 生成内容本身便值得商榷。
此外，水印检测效果受多种因素制约：
- 文本长度越短，检测可靠性越低；
- 在事实性强、可选词汇受限的内容中，水印信号较弱；
- 纯语法或标点校对类任务因改动点少，可能不足以触发有效检测。