Исследовательница Lasso Security проверила SynthID-Text на шести open-weight моделях: при включённом watermarking модели реже отказывают на вредоносные запросы, особенно при prompt-инъекциях. Эффект назван «sampling drift» — он влияет не только на ответы, но и на вызовы инструментов агентами.
Метод Скотта Ааронсона не влияет на качество и стоит почти ноль, Google внедрил его ещё в 2024 и проверил на 20 млн примерах. Anthropic теперь тоже маркирует выводы Claude, а народ почему-то злится.
Anthropic объявила, что все модели Claude будут помечать сгенерированный текст семантическим водяным знаком — на основе вероятностного выбора токенов из «зелёного» и «красного» списков. Это не скрытые символы, а подмена слов: на каждом шаге модель слегка смещает выбор в пользу «зелёных» вариантов, что может влиять на качество и читаемость, вопреки первоначальным заявлениям компании.