ทันเอไอ

งานวิจัยชี้การใส่ลายน้ำใน LLM อาจทำให้ความแม่นยำของ AI Agent ลดลงและเสี่ยงต่อคำสั่งโจมตีมากขึ้น

ผลการศึกษาจาก Lasso Security พบว่าการเปิดใช้งานลายน้ำ SynthID-Text บนโมเดลภาษาขนาดใหญ่ (LLM) ส่งผลกระทบต่อความแม่นยำในการใช้เครื่องมือและการป้องกันการโจมตี

งานวิจัยชิ้นใหม่จาก Lasso Security ที่เผยแพร่เมื่อวันที่ 17 กันยายน 2026 ได้ทำการทดสอบผลกระทบของการใส่ลายน้ำข้อความ (LLM Watermarking) ต่อพฤติกรรมของ AI Agent โดยเปรียบเทียบผลลัพธ์จากการเปิดและปิดลายน้ำ SynthID-Text ในโจทย์เดียวกัน

จากการทดสอบการเรียกใช้งานเครื่องมือ (Tool Use) พบว่าความแม่นยำของโมเดลลดลงใน 6 จาก 7 โมเดลที่นำมาทดสอบ และผลการตัดสินใจในแต่ละโจทย์เปลี่ยนแปลงไปเฉลี่ย 6.5% นอกจากนี้ ในการทดสอบคำขอที่เป็นอันตรายร่วมกับการแทรกคำสั่งหรือพรอมต์อินเจกชัน (Prompt Injection) บางโมเดลกลับตอบรับคำสั่งอันตรายมากขึ้นเมื่อเปิดใช้งานลายน้ำ เช่น โมเดล Gemma-3-27B ที่มีอัตราการตอบรับเพิ่มขึ้น 12.5 จุดเปอร์เซ็นต์ ซึ่งผลลัพธ์ดังกล่าวจะแตกต่างกันไปตามแต่ละโมเดลและกุญแจลายน้ำที่ใช้

อย่างไรก็ตาม งานวิจัยชิ้นนี้มีขอบเขตจำกัด โดยยังไม่ได้ทำการทดสอบกับโมเดลตระกูล Claude โดยตรง และยังไม่ได้จำลองเหตุการณ์ที่โมเดลถูกโจมตีแล้วลงมือปฏิบัติงานผ่านเครื่องมือในระบบเอเจนต์แบบครบวงจร รวมถึงรายงานจากสำนักข่าว Ars Technica เป็นการตรวจสอบและอธิบายงานวิจัยชิ้นนี้ แต่ไม่ใช่การทดลองทำซ้ำในสภาพแวดล้อมอิสระ