Разбор механизма водяных знаков Claude: 50+ слайдов и 48 минут лекции от Себастьяна Рашки

Себастьян Рашка, известный по книгам «Build a Large Language Model From Scratch», записал лекцию о том, как Anthropic встраивает невидимые водяные знаки в тексты Claude. Изначально он планировал 10 слайдов и 10 минут, но в процессе добавил детали — получилось более 50 слайдов и 48 минут. Видео уже доступно на Substack и YouTube.

Рашка объясняет фундаментальный принцип: водяной знак встраивается прямо в процесс сэмплирования токенов, не меняя качество генерации. Он также разбирает, как такой знак может быть удалён — например, через перефразирование, перевод или добавление мусора, — и обсуждает плюсы и минусы технологии для сообщества.

Особый акцент сделан на подходе «с нуля»: Рашка утверждает, что понимание реализации через код — единственный способ разобраться в нюансах. Лекция полезна как для разработчиков, так и для всех, кто хочет осознанно оценивать новые методы детекции ИИ-текста.