一种检测大语言模型生成信息的通用方法
计算与语言
2025-06-30 v1
摘要
大语言模型的激增极大地改变了数字信息格局，使得区分人类撰写内容和LLM生成内容变得越来越具有挑战性。检测LLM生成的信息对于维护数字平台（如社交媒体和电子商务网站）上的信任以及防止错误信息传播至关重要，这一主题已在信息系统研究中引起广泛关注。然而，当前的检测方法主要侧重于识别由特定LLM在已知领域生成的内容，在泛化到新的（即未见过的）LLM和领域时面临挑战。这种局限性降低了它们在现实应用中的有效性，因为LLM的数量正在迅速增加，且内容涵盖极其广泛的领域。为此，我们引入了一种通用LLM检测器，它结合了孪生记忆网络设计和理论引导的检测泛化模块，以检测来自未见过的LLM和领域的LLM生成信息。使用真实世界数据集，我们进行了广泛的实证评估和案例研究，以证明GLD相较于最先进检测方法的优越性。该研究对数字平台和LLM具有重要的学术和实践意义。
引用
@article{arxiv.2506.21589,
title = {A General Method for Detecting Information Generated by Large Language Models},
author = {Minjia Mao and Dongjun Wei and Xiao Fang and Michael Chau},
journal= {arXiv preprint arXiv:2506.21589},
year = {2025}
}