AI 文本水印在欧盟法规下被指降低模型输出多样性与创作质量

文章分析指出，尽管 Anthropic 和 Google 声称其文本水印技术（基于 SynthID-Text）不影响生成质量，但原始论文补充材料承认存在“多样性/可检测性权衡”，即水印会导致同一提示词的多轮回复相似度显著增加。这种机制使得模型如同掷出“有偏见的骰子”，在用户多次重试或进行一致性验证时，无法获得真正独立的样本，从而降低了创意写作和幻觉检测的有效性。

作者引用了技术顾问 Natzir Turrado 的实测案例：使用相同设置的水印模型五次描述同一场景，四次回复以几乎相同的句式开头，而未水印模型则呈现不同表达。此外，论文中的人类测试仅针对单次回复质量，未评估多轮交互中的多样性损失，且论文作者回应称可通过“多次重试”解决，但这实际上是将系统缺陷转嫁给用户并增加了成本。文中还提到，由于水印算法仅在短上下文窗口内操作，不同提示中重复的短语可能触发相同的上下文窗口，进一步加剧跨提示的预测性偏差。

事实层面确认了水印技术确实引入了响应间的非随机相关性；推断层面认为这种相关性会削弱依赖多样性的工作流（如创意构思、共识投票）；猜测层面指出厂商可能低估了用户对“创造性范围受限”的敏感度。结论是，为了合规而牺牲模型的随机性和多样性，本质上是一种质量折损，而非简单的随机数替换。