Luminol-AIDetect：基于文本扰动下困惑度的快速零样本机器生成文本检测
计算与语言
2026-04-29 v1 人工智能
计算机与社会
摘要
机器生成文本（MGT）检测需要识别跨生成模型的结构不变信号，而非依赖特定模型的指纹。在此方面，我们假设，尽管大型语言模型擅长局部语义一致性，但与人类写作相比，其自回归特性导致了一种特定类型的结构脆弱性。我们提出 Luminol-AIDetect，一种新颖的零样本统计方法，通过连贯性破坏来暴露这种脆弱性。通过应用简单的随机文本扰动过程，我们证明由此产生的困惑度偏移可作为有原则的、与模型无关的判别量，因为 MGT 在扰动下的困惑度表现出特有的离散性，与人类书写文本更稳定的结构变异性截然不同。Luminol-AIDetect 利用这一区别来指导其决策过程，从输入文本及其扰动版本中提取少量基于困惑度的标量特征，然后通过密度估计和集成预测执行检测。在 8 个内容领域、11 种对抗攻击类型和 18 种语言上进行评估，Luminol-AIDetect 展现出 SOTA 性能，FPR 降低达 17 倍，且成本低于现有方法。
引用
@article{arxiv.2604.25860,
title = {Luminol-AIDetect: Fast Zero-shot Machine-Generated Text Detection based on Perplexity under Text Shuffling},
author = {Lucio La Cava and Andrea Tagarelli},
journal= {arXiv preprint arXiv:2604.25860},
year = {2026}
}