程式設計師在四小時內破解了 Claude 的隱形歐盟合規浮水印

在 Anthropic 確認 Claude 模型將在全球範圍內於 AI 生成文字中嵌入隱形、機器可讀的浮水印——以符合歐盟《人工智慧法》——之後的四小時內，開發者 Guillaume Meyer 就發布了他的覆寫工具。用於移除 Claude 生成文字中浮水印的程式碼在 GitHub 上爆紅，在 X 上獲得超過 20,000 次收藏，並有超過 100 名貢獻者。

Anthropic 為文字加上浮水印的方式，是在 Claude 的用詞與片語選擇中留下一種模式，人類無法察覺，但機器可偵測。這項名為 SynthID 的技術由 Google 開發，自 2023 年起投入使用；OpenAI 的 Scott Aaronson 曾提出類似方法，但該公司因擔心浮水印會讓客戶卻步而從未部署。

這些變通方法利用了該方案的統計本質。Meyer 的方法使用一個不加浮水印的大型語言模型來生成改寫內容，替換同義詞並重新組織內容。軟體工程師 Erik Hughes 用 Claude 本身在 15 分鐘內做出了一個工具，可移除隱形字元和形似字元、重排句子並替換詞語。牛津的 Leon Chlon 表示，壓縮回應或將其翻譯成阿拉伯文——語義差異極大——再翻回來，就能移除該模式；Anthropic 承認，經過大量編輯、改寫或翻譯的內容可能不會帶有浮水印。

法規要求供應商標記合成內容，否則將面臨最高達年營業額 3% 的罰款，並禁止供應商行銷規避工具——但對獨立工具並無法律限制。Anthropic 表示，該浮水印「不會改變回應的含義、品質或可讀性」，並計劃推出文字偵測 API，讓使用者能自行驗證。

建立在用詞統計上的浮水印，在第一次改寫時就失效了：把文字交給一個乾淨的模型處理，或將其翻譯後再翻回來，該模式便消失無蹤。

這顯示了輸出統計浮水印的實際壽命：一旦該方案公開，且生態系統中存在未加浮水印的改寫工具，其壽命便只有數小時。

規避它不需要什麼奇特的數學——同義詞替換、重新排序，或一次翻譯往返——因為任何改寫都會重新擲出浮水印所依附的那些用詞選擇。

監管設計留下了漏洞：供應商不能行銷規避工具，但獨立工具不受任何限制。

Anthropic 自己承認經過編輯或翻譯的文字可能失去標記，這等於承認了該機制的核心限制。

依賴輸出統計特性的合規措施，其強度僅取決於生態系統中最弱的改寫工具——只要有一條乾淨的路徑，整個方案就形同虛設。

Meyer 的工具持續傳播，自由撰稿人和社群媒體創作者紛紛要求使用；包括 OpenAI、Microsoft 和 Meta 在內的 190 個組織簽署了歐盟的透明度實務準則，要求所有新模型從八月起、現有模型從十二月起都必須具備浮水印——這留下了未解的問題：有多少實驗室會實作文字浮水印，以及是否有任何浮水印能經得起 Anthropic 計劃推出的偵測 API。