OpenAI启用文本水印，幕后推手是统计学诺奖得主

今天，OpenAI 宣布正式启用文本水印。即日起，全球 API 客户可为部分模型自行开启水印，默认仍关闭。未来几周，欧盟地区符合条件的 ChatGPT 与 Codex 文本输出将加上肉眼不可见的水印，覆盖所有付费档位。检测器仅向通过审核的研究者和专业机构开放申请，暂不面向公众。

直接推手是欧盟。《人工智能法》第 50 条自 2026 年 8 月 2 日起适用，要求生成式 AI 提供方以机器可读方式标记输出内容。欧盟委员会 6 月发布的《AI 生成内容透明度行为准则》将“不可感知的水印”列为基本要求，并指出自由文本无法像图片那样携带元数据，水印几乎是唯一可行手段。

文本水印对 OpenAI 并非新课题。2023 年，时任客座研究员 Scott Aaronson 就介绍过基于 Gumbel-max 的水印方案。此后多次传出 OpenAI 已具备能力却迟迟未推出。拖延原因之一是工程两难：难题不在“能不能打上”，而在能否精确计量——为换取可检测信号，模型让出了多少生成自由。

一同发布的还有技术报告《textGrain: Entropy-Calibrated Watermarking for Language Model Text》。通讯作者是今年考普斯会长奖得主苏炜杰。他是 2012 年以来首位获此奖的华人统计学家，评奖委员会列举贡献的第一项就是生成式 AI 的统计基础。他 2011 年本科毕业于北京大学数学科学学院，2016 年在斯坦福获统计学博士，师从 Emmanuel Candès，随后在沃顿任教。今年 5 月底，他宣布以学术休假身份加入 OpenAI，参与模型训练，同时晋升为沃顿正教授。8 月 5 日，他在波士顿领取 2026 年考普斯奖。

苏炜杰与 OpenAI 水印的缘分早于入职。他与合作者 2025 年发表在《统计年鉴》的论文，为水印检测建立统计框架，研究对象正是 OpenAI 此前的 Gumbel-max 方案，并推导出优于已有做法的检测规则。此后研究延伸到人类编辑下的稳健检测、拟合优度检验、混合文本水印比例估计等。textGrain 是九人合作成果，第一作者 Xiang Li 也是上述论文第一作者，与苏炜杰合作多年。

要理解 textGrain，先看水印原理。LLM 逐词从“下一词预测分布”抽样。水印用密钥和前文生成伪随机数，让抽样依赖这串数字；检测时用密钥重建数字，检验文字与它的统计关联。学术界此前追求“无偏”：把密钥看作随机抽取时，对所有密钥平均后，水印模型输出分布与原模型完全一致。但实际部署密钥固定。以 Gumbel-max 为例，固定前文和密钥下总选中同一个词，导致同一提示反复生成结果一字不差，对多次采样择优等应用是实打实损失。另一极端是生成与密钥无关，随机性完好但信号不存在。textGrain 要回答的是，能否用可解释旋钮精确控制位置。

报告第一个关键观察是，任何无偏水印都可看作生成词与密钥随机数之间的“耦合”，偏离独立程度可用 KL 散度衡量，恰等于两者互信息，也等于固定密钥后平均丢失的抽样熵。团队据此引入“熵预算”β，取值 0 到 1，表示允许损失的熵占原始预测分布熵的比例。β 为 0 时退化为普通抽样；β 越大，密钥支配越强，信号越强。确定预算后，团队采用带 KL 正则的最优传输，给每对候选赋予由 Gumbel 随机变量生成的代价，KL 项把依赖程度压在预算内。

直接在十几万词表上解最优传输计算量难以承受，textGrain 第二个设计是分块。以“The morning was”为例，候选词 warm 0.30、cold 0.25、mild 0.15、calm 0.10、sunny 0.10、bright 0.10。密钥和前文窗口把词表随机分成若干块，如 {warm, calm}、{cold, sunny}、{mild, bright}，概率分别为 0.40、0.35、0.25；再把三块与 m 个等概率“列”做最优传输耦合，代价表由密钥生成，求解中调节正则强度使实际熵损失逼近预算；由密钥选出一列决定三块抽样概率，例子中变为 0.04、0.69、0.27；最后在选中块内按原始相对概率抽词，例子中抽到 cold。分块使优化维度从词表规模降到“块数×列数”，单次 Sinkhorn 迭代只需 O(Bm) 次运算，且块内词相对概率完全不变。

检测端同样简洁：不需要访问生成模型，不需要知道熵预算，只需文本和密钥。每个位置用密钥和前文窗口重建分块、代价表和被选中的列，根据观察到的词找到所在块，读出代价转成分数。水印偏好低代价组合，带水印文本分数整体偏高。理想化假设下，无水印文本单分数服从单位指数分布，n 个分数之和服从 Gamma(n,1) 分布，可按预设误报率设阈值。报告也审慎指出，固定部署密钥和有限精度运算都要求经验校准。据 OpenAI 博客，在前沿模型 Astra 多项基准