Wie Text-KI-Wasserzeichen funktionieren und wie man sie umgeht
Anthropic
Google/DeepMind
DeepSeek
Der Artikel erklärt den Mechanismus hinter Textwasserzeichen in den Ausgaben großer Sprachmodelle, die durch die jüngsten EU-KI-Vorschriften vorgeschrieben sind, und bietet praktische Methoden zu deren Entfernung. Der Autor beschreibt die probabilistische Token-Verteilungsverschiebung, die bei der Wasserzeichenmarkierung verwendet wird, und schlägt einen mehrstufigen Umgehungsansatz vor, der Übersetzung und Umschreibung mit Open-Weight-Modellen beinhaltet. Zudem stellen sie ein eigenes Tool vor, das mit Streamlit und LangChain gebaut wurde, um diesen Prozess zu automatisieren.
Der Artikel beginnt mit der Feststellung, dass EU-Vorschriften nun Anbieter von Large Language Models (LLMs) dazu verpflichten, KI-generierte Texte mit einem Wasserzeichen zu versehen, wobei Anthropics Claude als Beispiel genannt wird. Der Autor erklärt, dass Wasserzeichen funktionieren, indem sie die Wahrscheinlichkeitsverteilung der Tokens während der Generierung verschieben, wodurch bestimmte seltene Tokens häufiger vorkommen. Dies ist für Menschen nicht wahrnehmbar, aber für Maschinen, die die tatsächliche Verteilung kennen, erkennbar. Um Wasserzeichen zu umgehen, schlägt der Autor vor, den Text vorzuverarbeiten, um offensichtliche Artefakte wie Gedankenstriche und Nullbreiten-Leerzeichen zu entfernen, den Text dann in eine Zwischensprache und zurück zu übersetzen und schließlich mit einem offenen LLM wie DeepSeek-v4, das keine Wasserzeichen hinzufügt, neu zu schreiben. Der Autor hat ein auf Streamlit und LangChain basierendes Werkzeug entwickelt, das diese Schritte automatisiert und es den Nutzern ermöglicht, jeden Schritt auszuwählen und zu konfigurieren. Es ist auf GitHub verfügbar.
Quelle: Habr — хаб ИИ —
Original