在内容溯源与 AI 生成内容治理的讨论中，LLM 水印（watermarking）是一条被反复提及的技术路线：在生成阶段嵌入可被检测的统计信号，使文本来源可被判定。Lasso Security 博客发布的一篇文章，把关注点从"水印能否被检测"转向另一个问题——水印是否会改变 AI 词典：AI Agent">AI Agent 的行为。
文章用"溯源税"（Provenance Tax）来描述为可追溯性所付出的代价。水印通常需要介入解码与采样环节，因而会改变模型输出的分布；而 Agent 的推理、规划与工具调用，恰恰建立在对 LLM 输出的连续读取之上。当上游输出被扰动，下游 Agent 的决策链条也可能随之变化。这正是"税"这一隐喻的含义：可追溯性并非没有成本。
这一视角的价值在于评估对象的变化。以往对水印的评估多集中在检测率、鲁棒性与文本质量，属于模型输出层面的指标；而 Agent 场景把评估推进到系统行为层面——同一个水印方案，可能让 Agent 在任务完成方式上产生差异。对部署方而言，这意味着水印不应被视为可以无痛叠加的开关，而需要在可追溯性与 Agent 可靠性之间做显式权衡。
该文发布在 Lasso Security 博客，具体方法与实验结论仍需以原文为准。对正在构建 Agent 产品的团队来说，如果水印或溯源方案会进入推理链路，把它纳入 Agent 评测范围，或许比只验证水印本身更值得投入。
原文链接：https://www.lasso.security/blog/the-provenance-tax-understanding-the-impact-of-llm-watermarking-on-ai-agent-behavior