ChatGPT 会在你的文本中隐藏不可见字符吗？

每隔几个月就会有帖子走红，声称从 ChatGPT 复制的文本中包含隐藏字符，并得出结论：OpenAI 在暗中为输出添加水印以便追踪。

观察是真实的，结论却站不住脚。

人们发现的现象确实存在——把聊天回复粘贴到字符检查工具中，经常能看到渲染为空白内容的码位。问题出在解读上。水印必须经得起编辑、难以清除，并且能够编码信息。而那些一执行查找替换就消失、又不携带任何可恢复数据的字符，一条都不满足。

AI 输出中出现的不可见字符，绝大多数都是普通的排版字符：

字符	码位	出现原因
不换行空格	U+00A0	让数字和单位保持在同一行
窄不换行空格	U+202F	标点前和数字中的细间距
零宽空格	U+200B	换行提示，常从网页文本中继承
软连字符	U+00AD	标记单词在换行时可断开的位置
字节顺序标记	U+FEFF	来自上游文件的编码痕迹

每个字符都有正当的排版用途，而且比语言模型早出现几十年。它们的来源途径一如既往：模型从包含这些字符的训练文本中学到了它们，聊天界面以 HTML 渲染格式化输出，而从渲染后的网页复制时会带上标记中的一切。

最后一条途径的重要性超出大多数人的想象。很多被归咎于模型的字符，其实是浏览器复制引入的，而非生成过程。通过 API 获取同一条回复，得到的文本往往比从聊天窗口复制的更干净。

存在——但它的工作方式与网传帖子的想象完全不同。

Google DeepMind 的 SynthID-Text 是文档最完善的方案，于 2024 年发表在《Nature》上。它的原理是在每一步 subtly 影响模型采样的词语，让生成的文本携带一种统计签名，可由配套的验证器检测出来。整个过程不涉及任何特殊字符，什么都不插入。水印存在于普通词语的选择之中，这正是它能经受复制和轻度编辑的原因，也是你无法通过检查码位找到它的原因。

OpenAI 曾公开讨论过文本水印研究，但尚未为 ChatGPT 输出推出经确认的消费级实现。

实际影响恰恰与恐慌相反：如果你使用的模型带有水印，删除不可见字符并不能去除它。而如果你发现了不可见字符，那不是水印的证据——只是排版的证据。

不管是不是水印，你通常都希望把它们清除，因为它们会悄无声息地引发问题：

• 搜索和查找替换失效。 两个字母之间的零宽空格会让搜索找不到这个单词，而且看不出任何原因。
• 表单校验拒绝输入。 邮箱地址或许可证密钥末尾带一个不换行空格，校验就会失败，而屏幕上看起来完全正确。
• 代码无法编译或解析。 本该是普通空格的地方出现不换行空格，会产生指向一行看起来毫无问题的代码的语法错误。
• CSV 导入损坏。 字节顺序标记附着在第一个列标题上，导致第一个字段悄悄映射失败。
• 出现重复记录。 两条看起来完全相同的记录其实是不同的字符串，去重操作会漏掉它们。

这些故障尤其恼人，因为文本看起来是对的。所有调试直觉都会指向别处。

把文本粘贴到不可见字符扫描工具中。它会报告找到的每个零宽空格、软连字符、字节顺序标记和方向控制标记，并按类型计数，还可一键删除。所有内容都不会离开你的浏览器——扫描在本地运行。

如果想看得更全面，AI 文本清理工具可以在一次处理中同时处理不可见字符、长破折号、弯引号和表情符号。

一个值得养成的习惯：每当文本跨越系统边界时就检查一次。从聊天窗口到代码编辑器，从网页到电子表格，从 PDF 到表单。不可见字符正是在这些环节造成破坏，而此时清除它们的成本最低。

关于这些字符的完整清单及各自的作用，请参阅不可见 Unicode 字符参考。