Cómo funcionan las marcas de agua en los textos de IA y cómo omitirlas
Anthropic
Google/DeepMind
DeepSeek
El artículo explica el mecanismo detrás de las marcas de agua en los resultados de los modelos de lenguaje grandes (LLM, por sus siglas en inglés), exigidas por las recientes regulaciones de IA de la Unión Europea, y ofrece métodos prácticos para eliminarlas. El autor detalla el cambio probabilístico en la distribución de tokens utilizado en las marcas de agua y sugiere un enfoque de omisión en varios pasos que implica traducción y reescritura con modelos de pesos abiertos. También presentan una herramienta personalizada construida con Streamlit y LangChain para automatizar este proceso.
El artículo comienza señalando que las regulaciones de la UE ahora exigen que los proveedores de LLM marquen con una marca de agua el texto generado por IA, citando a Claude de Anthropic como ejemplo. El autor explica que la marca de agua funciona alterando la distribución de probabilidad de los tokens durante la generación, haciendo que ciertos tokens raros aparezcan con más frecuencia. Esto es imperceptible para los humanos pero detectable por máquinas que conocen la distribución real. Para evitar las marcas de agua, el autor sugiere preprocesar el texto para eliminar artefactos obvios como guiones largos y espacios de ancho cero, luego traducir el texto a un idioma intermedio y de vuelta, y finalmente reescribirlo con un LLM de pesos abiertos como DeepSeek-v4 que no agrega marcas de agua. El autor ha construido una herramienta basada en Streamlit y LangChain que automatiza estos pasos, permitiendo a los usuarios elegir y configurar cada paso, y está disponible en GitHub.
Fuente: Habr — хаб ИИ —
original