Claudeのテキスト透かし（ウォーターマーク）は何をしているのか ── サンプリングの仕組みから理解する

この記事は、AnthropicがClaudeの出力テキストに導入すると発表した「透かし（ウォーターマーク）」の仕組みについて、サンプリングの観点から解説しています。Sebastian Raschka氏の解説動画とスライドを基に、その技術的な詳細を掘り下げています。

• Claudeのテキスト透かしは、LLMの重みに変更を加えず、次トークン選択時のサンプリング段階にのみ介入する。
• 透かしの仕組みは、秘密鍵と直前数トークンから乱数シードを決定し、これにより「ランダムだが再現可能」なトークン選択を行う。
• ユーザー視点では、乱数シードが固定されるのとほぼ同等であり、透かしによる文章の質低下は仕組み上起こりにくい。
• 透かしの検出にはAnthropicが持つ秘密鍵が必要であり、第三者が透かしの有無を判別することはできない。
• 検出効率化のために「トーナメントサンプリング」が採用されているが、透かしは単語の書き換えで除去可能である。