Anthropic的文本水印在多个旧版Claude模型上容易被绕过
decoder ·
Anthropic 正在将文本水印系统扩展到包括 Opus 4.6 和 Sonnet 4.6 在内的多个旧版 Claude 模型，以符合欧盟《人工智能法案》的截止日期要求。该公司宣布将于 2026 年 11 月 16 日开始进行第二批回溯性更新，涵盖这些特定版本以及 Haiku 4.5 和 Opus 4.5。然而，研究人员发现，Opus 4.6 和 Sonnet 4.6 的水印可以通过更改温度、top_p 或 top_k 等标准采样参数轻松绕过。由于该水印仅在设置保持默认值时激活，用户只需进行微小调整即可规避检测。尽管像 Claude Mythos 5 和 Opus 4.7 这样的较新模型似乎无论采样设置如何都会应用水印，但流行旧版模型中的这一漏洞仍令人担忧。Anthropic 利用 Google DeepMind 的 SynthID 方法的变体，在不影响输出速度或定价的情况下嵌入词选择中的不可察觉模式。尽管声称水印不会降低文本质量，但批评者认为强制同义词选择可能会降低精确度，法律专家则担心其对保密性的影响。此次推广影响了托管这些模型的所有平台，包括 Amazon Bedrock，但客户无法禁用该功能。
decoder