### [ChatGPT开始给文字打隐形水印：苏炜杰把“统计学诺奖”研究装进OpenAI，但改写25%检出率只剩17%](https://www.zuoshipin.com/article/48295) **Published:** 2026-10-08T12:32:22 **Author:** 天才交易员 **Excerpt:** OpenAI正式启用textGrain文本水印：API客户可选择开启，欧盟符合条件的ChatGPT与Codex… **textGrain能在选词里埋入统计信号，却不能证明作者身份、内容真假或人类贡献。** **导读：**ChatGPT写下的每个词，接下来都可能带着一串肉眼看不见的统计暗号。OpenAI正式公布textGrain文本水印，并准备把它逐步用于欧盟符合条件的ChatGPT与Codex输出。负责这项技术的九人团队中，通讯作者是2026年考普斯会长奖得主苏炜杰。**但别急着把水印当成AI测谎仪：一段文字改写25%，检出率就可能从约92%跌到17%。** [![苏炜杰在2026年联合统计会议上领取考普斯会长奖](https://admin.zuoshipin.com/wp-content/uploads/2026/10/textgrain-openai-watermark-cover.webp)](https://admin.zuoshipin.com/wp-content/uploads/2026/10/textgrain-openai-watermark-cover.webp) 苏炜杰在2026年联合统计会议上领取考普斯会长奖 ## ChatGPT开始打水印，但不是所有回答、所有地区一起上 OpenAI在2026年10月5日公布了分阶段方案： - **API：**全球客户可为部分模型主动开启文本水印，默认仍然关闭。 - **ChatGPT与Codex：**未来数周内，欧盟地区符合条件的文本输出将加入不可见水印，覆盖各付费与免费计划，但OpenAI没有把它设为全球默认。 - **检测器：**首阶段只向通过审核的研究者和专业机构开放，不向普通公众直接提供。 [![OpenAI宣布启用textGrain文本水印](https://admin.zuoshipin.com/wp-content/uploads/2026/10/textgrain-openai-watermark-image01.webp)](https://admin.zuoshipin.com/wp-content/uploads/2026/10/textgrain-openai-watermark-image01.webp) OpenAI宣布启用textGrain文本水印 推动这次上线的直接背景是欧盟《人工智能法》第50条。相关透明度义务自2026年8月2日起适用，要求AI生成或操纵的内容带有机器可读标记，并能够被检测。 **这不是页面上可见的“AI生成”标签。**textGrain把统计信号写进模型的选词过程，人眼正常阅读时看不出来，必须使用持有密钥的检测器分析。 ## 把水印做进产品的人，拿的是考普斯会长奖 textGrain技术报告由九位研究者合作完成，第一作者是宾夕法尼亚大学的Xiang Li，通讯作者为苏炜杰。苏炜杰同时任宾夕法尼亚大学沃顿商学院统计与数据科学系教授，并于2026年加入OpenAI参与模型研究。 [![textGrain技术报告及九位作者](https://admin.zuoshipin.com/wp-content/uploads/2026/10/textgrain-openai-watermark-image02.webp)](https://admin.zuoshipin.com/wp-content/uploads/2026/10/textgrain-openai-watermark-image02.webp) textGrain技术报告及九位作者 [![宾夕法尼亚大学教授、OpenAI研究者苏炜杰](https://admin.zuoshipin.com/wp-content/uploads/2026/10/textgrain-openai-watermark-image03.webp)](https://admin.zuoshipin.com/wp-content/uploads/2026/10/textgrain-openai-watermark-image03.webp) 宾夕法尼亚大学教授、OpenAI研究者苏炜杰 他在2026年获得COPSS Presidents’ Award，中文常被媒体称作“统计学界的诺贝尔奖”。这里需要说清楚：**它不是诺贝尔奖，而是由统计学界主要学会联合设立、面向杰出青年统计学家的重要奖项。**官方获奖理由中特别提到生成式AI的统计基础，包括大模型水印、对齐与排序。 [![苏炜杰获得2026年考普斯会长奖](https://admin.zuoshipin.com/wp-content/uploads/2026/10/textgrain-openai-watermark-image06.webp)](https://admin.zuoshipin.com/wp-content/uploads/2026/10/textgrain-openai-watermark-image06.webp) 苏炜杰获得2026年考普斯会长奖 这并不是苏炜杰突然闯入一个新领域。他与合作者此前已经建立大语言模型水印的统计检测框架，研究检测效率、人类编辑后的稳健性、拟合优度检验和混合文本中水印比例估计。 [![苏炜杰团队关于大语言模型水印检测的统计研究](https://admin.zuoshipin.com/wp-content/uploads/2026/10/textgrain-openai-watermark-image04.webp)](https://admin.zuoshipin.com/wp-content/uploads/2026/10/textgrain-openai-watermark-image04.webp) 苏炜杰团队关于大语言模型水印检测的统计研究 [![苏炜杰宣布以学术休假身份加入OpenAI](https://admin.zuoshipin.com/wp-content/uploads/2026/10/textgrain-openai-watermark-image05.webp)](https://admin.zuoshipin.com/wp-content/uploads/2026/10/textgrain-openai-watermark-image05.webp) 苏炜杰宣布以学术休假身份加入OpenAI [![苏炜杰此前发布的人类编辑环境下水印检测研究](https://admin.zuoshipin.com/wp-content/uploads/2026/10/textgrain-openai-watermark-image13.webp)](https://admin.zuoshipin.com/wp-content/uploads/2026/10/textgrain-openai-watermark-image13.webp) 苏炜杰此前发布的人类编辑环境下水印检测研究 ## textGrain到底怎么在文字里“藏暗号”？ 语言模型每生成一个token，都会从下一词概率分布中抽样。textGrain使用密钥和前文生成伪随机信息，再让抽样结果与这串信息产生可检测的统计关联。检测时，系统拿同一密钥重建随机结构，检查观察到的token是否持续偏向水印选择。 [![苏炜杰介绍textGrain技术报告](https://admin.zuoshipin.com/wp-content/uploads/2026/10/textgrain-openai-watermark-image07.webp)](https://admin.zuoshipin.com/wp-content/uploads/2026/10/textgrain-openai-watermark-image07.webp) 苏炜杰介绍textGrain技术报告 真正困难的不是把信号塞进去，而是**既要信号足够强，又不能把模型原本的表达自由锁死**。旧式Gumbel-max方案虽然在对密钥取平均时保持“无偏”，但固定密钥和固定前文可能反复选中同一个token，让同一提示词产生高度一致的回答。 ## 关键旋钮：水印最多拿走多少“选词自由” textGrain把水印看成生成token与密钥随机数之间的耦合。它们偏离相互独立的程度，可以用KL散度衡量；在报告的框架里，这又等于固定密钥后平均损失的抽样熵。 团队因此引入熵预算β： - **β = 0：**退化为普通抽样，没有可检测水印信号。 - **β提高：**密钥对选词的影响增强，水印更容易检测，但模型随机性减少。 - **β不是逐词硬指标：**它约束的是对密钥取平均后的熵损失，不能保证每个位置都损失完全相同的自由度。 [![textGrain分块耦合与正则强度更新算法](https://admin.zuoshipin.com/wp-content/uploads/2026/10/textgrain-openai-watermark-image08.webp)](https://admin.zuoshipin.com/wp-content/uploads/2026/10/textgrain-openai-watermark-image08.webp) textGrain分块耦合与正则强度更新算法 ## 分块最优传输：让十几万词表的计算真正跑得动 直接在完整词表上求最优传输成本太高，textGrain先用密钥把候选token随机分块，再计算每个块的总概率。最优传输只决定“选哪个块”，进入块内以后，token之间的相对概率保持不变。 [![textGrain通过分块最优传输嵌入水印](https://admin.zuoshipin.com/wp-content/uploads/2026/10/textgrain-openai-watermark-image09.webp)](https://admin.zuoshipin.com/wp-content/uploads/2026/10/textgrain-openai-watermark-image09.webp) textGrain通过分块最优传输嵌入水印 这把计算规模从完整词表降到“块数 × 列数”。报告中的简化示例把warm、cold、mild等候选词分为三个块，密钥选中一列后改变各块的抽样概率，最后仍在被选块内部按原始比例抽出具体词。 ## 检测端不需要模型，但需要文本和秘密密钥 检测器根据文本前文与密钥重建分块、代价表和选中列，再查看实际token落入哪个块。带水印文本会更频繁地落在低代价组合上，累积后形成统计信号。 [![textGrain从文本中重建统计信号并检测水印](https://admin.zuoshipin.com/wp-content/uploads/2026/10/textgrain-openai-watermark-image10.webp)](https://admin.zuoshipin.com/wp-content/uploads/2026/10/textgrain-openai-watermark-image10.webp) textGrain从文本中重建统计信号并检测水印 理论上可以按目标误报率设定阈值，但报告强调，固定部署密钥、重复前文和有限精度运算都可能破坏理想假设。因此，正式系统仍需用真实数据做经验校准，不能只凭一道理论阈值判定。 ## 效果并不完美：短文本、数学和改写都是弱点 OpenAI公开的Astra基准结果显示，加水印与不加水印的模型总体能力没有出现明显系统性差异。有些项目小幅上升，有些项目下降，不能把单项波动解释成水印一定提升或损害能力。 [![Astra模型加入水印前后的官方基准对比](https://admin.zuoshipin.com/wp-content/uploads/2026/10/textgrain-openai-watermark-image11.webp)](https://admin.zuoshipin.com/wp-content/uploads/2026/10/textgrain-openai-watermark-image11.webp) Astra模型加入水印前后的官方基准对比 检测能力的限制更值得注意。在1%目标误报率下： - 心理学类内容中，约80%的200-token文本能被识别；400-token时约为95%。 - 数学文本因为可选词空间更小，检出率明显更低。 - 400-token文本替换10%同义词后，检出率从约92%降至66%。 - 替换25%后，检出率只剩17%。 [![文本长度和内容类型对水印检出率的影响](https://admin.zuoshipin.com/wp-content/uploads/2026/10/textgrain-openai-watermark-image12.webp)](https://admin.zuoshipin.com/wp-content/uploads/2026/10/textgrain-openai-watermark-image12.webp) 文本长度和内容类型对水印检出率的影响 **最容易被误读的一点：**检测不到水印，不代表文字一定由人类写作；检测到水印，也不能说明整篇都由AI完成。翻译、改写、短文本、不支持的模型和水印启用前生成的内容，都可能影响结果。 ## 水印能证明什么，又绝对不能证明什么？ | 可以提供的信号 | 不能得出的结论 | | --- | --- | | 文本中是否存在与OpenAI水印匹配的统计关联 | 不能识别具体用户、账号、提示词或对话 | | OpenAI系统可能参与过生成或处理 | 不能衡量人类修改、判断和创作贡献 | | 在给定误报率下提供概率性检测结果 | 不能确定所有权、责任、合法性或内容真假 | | 帮助研究平台评估内容来源 | 不能把“无水印”直接等同于“人类原创” | ## 普通用户、媒体和企业应该怎么用？ 1. **不要把检测结果当裁决：**它应是来源判断的一项证据，而不是处罚学生、员工或作者的唯一依据。 2. **保留创作过程：**重要稿件保存版本记录、引用来源、采访材料和修改痕迹，比一次检测更能说明贡献。 3. **公开披露方法：**平台若用水印检测参与审核，应说明误报率、适用语言、文本长度和申诉渠道。 4. **区分辅助与代写：**AI润色、翻译、提纲和整篇生成不能只靠一个二元标签混为一谈。 5. **等待更多实测：**textGrain计划开源，但真实世界中的翻译、拼接、对抗改写和多模型混合仍需独立研究。 ## 做视频网观点 textGrain最重要的贡献，不是宣布“终于能抓住AI写作”，而是给水印强度找到了一把可计量的尺：**为了让信号更明显，模型究竟交出了多少抽样随机性。** 这套方法很适合帮助平台建立内容溯源，却不适合扮演“作者审判官”。未来真正可靠的方案，仍会是水印、内容凭证、编辑记录、平台日志和人工核查的组合，而不是押注一个检测分数。 ## 相关站内内容 **ChatGPT站内导航：**[https://www.zuoshipin.com/link/29.html](https://www.zuoshipin.com/link/29.html) **Codex站内导航：**[https://www.zuoshipin.com/link/1474.html](https://www.zuoshipin.com/link/1474.html) **GPT-6 Astra站内导航：**[https://www.zuoshipin.com/link/32152.html](https://www.zuoshipin.com/link/32152.html) **ChatGPT Intelligent UI完整解析：**[https://www.zuoshipin.com/article/47772](https://www.zuoshipin.com/article/47772) **苏炜杰与GPT-6 Astra数学研究：**[https://www.zuoshipin.com/article/32210](https://www.zuoshipin.com/article/32210) ## 官方资料 [OpenAI：欧盟文本来源与textGrain水印说明](https://openai.com/index/eu-text-provenance/) [OpenAI：textGrain技术报告](https://cdn.openai.com/pdf/e9508624-d767-41b6-a26d-e34ca798ada6/textgrain-entropy-calibrated-watermarking-for-language-model-text.pdf) [欧盟委员会：AI法案第50条透明度义务指南](https://digital-strategy.ec.europa.eu/en/policies/guidelines-ai-transparency-obligations) **Tags:** AI水印, ChatGPT, OpenAI, textGrain, 苏炜杰 **Categories:** AI资讯 ---