HU 参加 SemEval-2024 任务 8A：对比学习能否学习嵌入以检测机器生成文本？

本文描述了我们要为 SemEval-2024 任务 8“多生成器、多领域和多语言黑盒机器生成文本检测”开发的系统。由于大语言模型（LLM）被用于生成虚假文本、网络钓鱼、考试作弊甚至抄袭版权材料，机器生成文本已成为主要关注点之一。许多系统已被开发用于检测机器生成文本。然而，这些系统大多依赖于文本生成模型。这种局限性在现实场景中不切实际，因为往往无法知道用户具体使用了哪个模型进行文本生成。在这项工作中，我们提出了一种基于对比学习的单一模型，其参数量仅为基线的约 40%（1.49 亿对 3.55 亿），但在测试数据集上表现出相当的性能（在 137 个参与者中排名第 21）。我们的关键发现是，即使没有多个模型的集成，借助数据增强和对比学习，单一基础模型也能具有相当的性能。我们的代码公开于 https://github.com/dipta007/SemEval24-Task8。