Водяные знаки в текстах LLM: как они работают и реально ли их снять

Claude уже помечает свой вывод текстовыми водяными знаками, OpenAI подтягивается. Это делается, чтобы потом можно было определить, сгенерирован ли текст нейросетью. Многие не хотят, чтобы их отчёты, статьи или код в будущем распознавали как «ИИ-слоп», поэтому вопрос удаления меток становится всё горячее.

На Хабре уже есть статьи, объясняющие механику. Автор напоминает о них и ставит практические вопросы: насколько сильно надо перефразировать текст, чтобы сбить детектор? Что будет, если прогнать текст через другую модель, у которой тоже есть свой водяной знак — получится двойная метка? А если ИИ лишь поправил ошибки в рукописном тексте — это уже считается генерацией? И как быть с кодом: знаки прячутся в комментариях, лишних скобках или именах переменных?

Вместо теоретических страхов автор предлагает эксперимент: взять портянку нейрослопа, переписать её разными способами и проверить, насколько уверенно детекторы смогут распознать происхождение. Это поможет понять реальные пределы защиты и обхода.