水印机制会降低 AI 文本质量吗？争议与解析

随着欧盟 AI 法案透明度准则正式生效，主要 AI 实验室纷纷宣布将为其文本输出添加水印，以满足合规要求。然而，围绕水印是否会影响模型输出质量的讨论持续升温。本文结合 Anthropic 的技术论文与行业评论，梳理这一争议的技术根源与现实影响。

争议缘起：Gruber 的批评与反驳

科技作者 John Gruber 在一篇评论文章中直言，Anthropic 在 Claude 中嵌入的「水印」机制是对写作的「扭曲」（perversion of writing），并强调任何工具都不应以牺牲清晰度、连贯性、意义或质量为代价来嵌入隐藏的来源标记。

这一观点招致大量反驳。许多评论者认为水印本质上只是使用不同的随机数来生成文本，并不会影响质量——开发者 Daniel Jalkut 举例称，如果随机数生成器经常反转生成数字的位数，其随机性本身并不会改变；另一种常见的通俗比喻是「只是换了一颗骰子的两个面」。然而，Anthropic 自家发布的论文及其 56 页补充材料却给出了更为复杂的图景。

论文披露：「多样性 / 可检测性」权衡

Anthropic 的论文指出，其水印方法能够「保持响应质量」，这一结论基于人类评估。但论文同时承认存在「多样性 / 可检测性权衡」（diversity/detectability trade-off）：

• 单序列非失真保证可以保证单条响应的质量，但并不一定保证多次响应之间的多样性。
• 在对同一提示采样多个响应时，带水印响应之间的相似度高于不带水印的响应。
• 这在「响应间多样性」重要的场景下可能成为问题，也可能降低「生成多条响应再挑选最佳」这类系统的整体质量。

换言之，如果水印确实只是简单替换随机数，响应之间的相似度本不应出现显著差异。但论文数据显示，带水印模型在多次采样时确实产生了更高的相似性。

真实受影响的两类使用场景

这种「响应间多样性」的下降并非纯理论问题，至少在两类常见使用场景中会产生直接影响：

• 用户手动重试：当用户对生成结果不满意、点击「重新生成」时，看到的备选方案多样性会低于无水印模型。
• 自一致性（self-consistency）方法：开发者或用户通过多次重复同一提示来探索模型的不同推理路径，再选取最一致的答案以降低幻觉概率。这种方法同样依赖响应多样性，而水印会使候选集合变得更加有限，且这一有限集合还由一个秘密密钥加权决定。

值得注意的是，尽管论文指出了上述影响，作者在文中表示未在论文中找到针对这一具体维度的真人评估实验。换言之，论文所展示的人类评估结果，似乎并未覆盖水印最受质疑的那一部分。

更大的背景：写作质量为何整体下滑

在更宏观的语境下，AI 模型的写作输出质量近年来确有下滑趋势——而这一变化发生在水印机制被广泛引入之前。诗人和计算机科学家 Katy Gero 在接受 Jasmine Sun 采访时表示：

让 GPT-2 的声音显得新鲜的那种奇思妙想，同样也让它容易出现其他不可预测的行为。如果你是一家像 Google 或 OpenAI 这样的大公司，你想要的是一个能赚钱的聊天机器人；不赚钱的那种是「怪咖」。

在代码生成与商业化应用成为重点的当下，模型在创造性写作上的表现让步也就不足为奇。水印机制的引入，可能只是在这条下坡路上又添了一块绊脚石。

结论：有限影响，还是不可忽视？

Anthropic 自身的论文已经承认水印会影响响应间多样性，并明确指出这可能「降低生成多条响应再挑选最佳」系统的整体质量。但公司同时强调，这并非严重问题，因为该影响仅在关心「响应间多样性」的场景下才需考虑。问题在于，对于依赖多次采样的真实用户和开发者而言，这种限制是切实存在的——而它在论文的人类评估中并未被充分测试。「水印不影响质量」这一说法，或许比论文摘要所暗示的要微妙得多。