🕵️ OpenAI начнёт встраивать скрытые водяные знаки в тексты ChatGPT — пока только в Евросоюзе В ближайшие недели ChatGPT и Codex начнут добавлять в подходящие тексты пользователей из ЕС невидимый сигнал textGrain. Так OpenAI выполняет требования европейского AI Act. Это не скрытые символы или пробелы: система слегка меняет статистику выбора слов, формируя паттерн, который затем можно обнаружить специальным детектором. Сам текст визуально останется обычным. Но «спалить» любой текст ChatGPT за пару секунд не получится. Детектор пока получат только одобренные исследователи и экспертные организации, а редактирование заметно ослабляет метку: в тестах OpenAI замена 10% слов синонимами снижала обнаружение с 92% до 66%, а 25% — до 17%. На старте обязательная маркировка затронет только ChatGPT и Codex в ЕС. Для API по всему миру водяные знаки уже можно включить добровольно. Источник
From the original source:
Telegram — GPT Time | Нейросети | ИИ
Read full article at Telegram — GPT Time | Нейросети | ИИThis material was compiled from public sources. If its publication affects your rights → Request removal
Title in RussianOpenAI начнёт встраивать скрытые водяные знаки в тексты ChatGPT — пока только в Евросоюзе
🕵️ OpenAI начнёт встраивать скрытые водяные знаки в тексты ChatGPT — пока только в Евросоюзе В ближайшие недели ChatGPT и Codex начнут добавлять в подходящие тексты пользователей из ЕС невидимый сигнал textGrain. Так OpenAI выполняет требования европейского AI Act. Это не…
AI Summary & Key Takeaways
- 🕵️ OpenAI начнёт встраивать скрытые водяные знаки в тексты ChatGPT — пока только в Евросоюзе В ближайшие недели ChatGPT и Codex начнут добавлять в подходящие тексты пользователей из ЕС невидимый сигнал textGrain
- Так OpenAI выполняет требования европейского AI Act
OpenAI начнёт встраивать скрытые водяные знаки в тексты ChatGPT — пока только в Евросоюзе
Related stories
A Controlled LLM Workflow for Evidence-Grounded Diagnosis of Risk Score Differences
arXiv:2610.23962v1 Announce Type: new Abstract: We propose a controlled Large Language Model (LLM) workflow for explaining risk score differences using similar historical transactions. The workflow combines reference retrieval and contrastive SHapley Additive exPlanations (SHAP)…
Beyond Explicit Intent: Discovering and Shaping Artistic Intent through Human-AI Co-Creation
arXiv:2610.24010v1 Announce Type: new Abstract: Generative AI is becoming an important medium for artistic creation, yet existing interactions often assume that creators can specify intentions in advance and accurately communicate them through text prompts. Artistic intentions,…
GardenBench: A lightweight, daily evaluation of LLM capabilities
arXiv:2610.23866v1 Announce Type: new Abstract: We introduce GardenBench, a benchmark with 11 test suites that evaluate the capabilities of Large Language Models (LLMs) across a range of tasks. By systematically prompting LLMs with various lightweight queries, we document…
LogicVal:A Logic-Formalized Benchmark for Constraint Satisfaction in Text-to-Image Generation
arXiv:2610.24051v1 Announce Type: new Abstract: Text-to-Image (T2I) generative models have made significant progress in producing high-fidelity images from natural-language prompts. Alongside this progress, numerous benchmarks have been developed to evaluate capabilities such as…