Anthropic 水印原理交互演示：通过操纵词概率分布实现

VeryWellVersed · x · 2026-08-21

Ian Lurie 发布了一个交互式演示，解释了 Anthropic 水印技术的可能工作原理。LLM 生成内容时基于概率列表选择词汇，水印技术通过微调这个列表，使特定词汇的生成概率发生偏移。检测器通过分析文本中是否存在这种特定的模式偏移（即“绿色名单”词汇）来判断内容是否由 Claude 生成。演示允许用户调节偏置强度，观察词汇概率和检测指标（如 z-score）的变化。