大语言模型（LLM）是广泛使用的人工智能（AI）工具，能为聊天机器人、文章写作和其他目的生成文本。不过，人们很难识别并追溯AI生成文本的来源，使信息的可靠性受到质疑。水印被认为能解决这一问题，但生产系统对质量和计算效率的严格要求阻碍了其规模化应用。
深度思维团队此次利用一种全新采样算法，开发出一个给AI生成文本添加水印的系统——SynthID-Text。该工具通过采样算法对LLM的词汇选择进行巧妙偏移，插入一个能被相关检测软件识别的签名。这既可以通过一种“扭曲”路径实现（能提高水印质量但会轻微影响输出质量），也可以通过另一种能保留文本质量的“非扭曲”路径实现。
深度思维已在多个公开模型上评估了这些水印的可检测性，结果显示，SynthID-Text的可检测性优于当前其他方法。
他们还用Gemini LLM的近2000万次在线对话，评估了这些文本的质量，最终认为非扭曲水印形式不会降低文本质量。此外，使用SynthID-Text对LLM运行所需算力的影响可忽略不计，从而减少了应用上的障碍。
该研究证明，为生成式文本添加水印是可行的，其可提高AI使用的责任和透明度。
