解耦内容与表达：AI 生成文本的二维检测
计算与语言
2025-03-04 v1 人工智能
计算机与社会
摘要
LLMs 的广泛使用对检测文本中的 AI 参与提出了关键要求。现有研究在分散的语境中探讨这些检测问题，尚未形成系统且统一的方法。本文提出 HART，一个 AI 风险层级的分层框架，每个层级对应一个检测任务。为解决这些任务，我们提出一种新颖的二维检测方法，将文本解耦为内容和语言表达。我们的发现表明，内容对表面层面的变化具有抵抗力，可作为检测的关键特征。实验表明，二维方法显著优于现有检测器，在层级-2 检测中 AUROC 从 0.705 提升至 0.849，在 RAID 中从 0.807 提升至 0.886。我们已在 https://github.com/baoguangsheng/truth-mirror 发布数据和代码。
引用
@article{arxiv.2503.00258,
title = {Decoupling Content and Expression: Two-Dimensional Detection of AI-Generated Text},
author = {Guangsheng Bao and Lihua Rong and Yanbin Zhao and Qiji Zhou and Yue Zhang},
journal= {arXiv preprint arXiv:2503.00258},
year = {2025}
}
备注
8 pages, 8 tables, 8 figures