一箭双雕：基于动态扰动的通用且鲁健的人工智能生成文本检测

大型语言模型的流行使人们担忧其生成文本的潜在滥用。建立具备高泛化性和鲁健性的人工智能生成文本（AIGT）检测方法日益紧迫。然而，现有方法要么关注模型的泛化性，要么聚焦鲁健性，缺乏统一机制同时应对两者挑战。本文认为鲁健可视为特定形式的域迁移，实证揭示了AIGT检测任务中模型泛化的内在机制。随后，我们提出一种新型AIGT检测方法（DP-Net），通过强化学习引入动态扰动。该方法采用精心设计的奖励函数和动作空间。实验表明，DP-Net 在三个跨域场景中显著优于当前SOTA AIGT检测方法，具备更强的泛化能力；在两种文本对抗攻击下，DP-Net亦实现最佳鲁健性。代码已公开于 https://github.com/CAU-ISS-Lab/AIGT-Detection-Evade-Detection/tree/main/DP-Net。