OpenAI 正式启用文本水印，苏炜杰参与设计

OpenAI 宣布正式启用文本水印。自宣布当天起，全球 API 客户可以为部分模型自行开启水印，默认仍保持关闭；未来几周内，欧盟地区符合条件的 ChatGPT 与 Codex 文本输出将被加上肉眼不可见的水印，覆盖所有付费档位。检测器则只向通过审核的研究者和专业机构开放申请，暂不面向公众。

这次上线的直接推手是监管。欧盟《人工智能法》第 50 条自 2026 年 8 月 2 日起适用，要求生成式 AI 提供方以机器可读的方式标记输出内容；欧盟委员会 6 月发布的《AI 生成内容透明度行为准则》进一步把「不可感知的水印」列为基本要求，并指出自由文本无法像图片文件那样携带元数据，水印几乎是唯一可行的标记手段。换句话说，对文本而言，这不是众多选项里的一种，而是被监管框定后的少数可行路径。

文本水印的工程两难在于计量。LLM 逐词生成文本，每一步都从一个「下一词预测分布」中抽样；水印的做法是用密钥和前文生成伪随机数，让抽样过程依赖这串数字，检测时用同一把密钥重建数字、检验统计关联。学术界此前追求的性质叫「无偏」：把密钥看作随机抽取时，对所有密钥取平均后，水印模型的输出分布与原模型完全一致。

但实际部署时密钥是固定的。以 Gumbel-max 方案为例，在固定前文和固定密钥下它总是选中同一个词，于是同一个提示词反复生成会得到一字不差的回答——对需要多次采样再择优的应用是实打实的损失。另一个极端同样不可取：生成过程与密钥毫无关联，随机性完好，水印信号也就不存在了。textGrain 要回答的，就是能否在这两个极端之间用一个可解释的旋钮精确控制位置。