最小化不匹配风险：面向零-shot LLM 生成文本检测的原型基路由框架
计算与语言
2026-02-03 v1
摘要
零-shot 方法通过计算统计信號使用替代模型检测 LLM 生成文本。现有方法通常对所有输入使用固定的替代模型，忽略未知来源。我们系统性地检视该设计，发现检测性能根据替代模型-来源对齐情况差异很大。我们观察到，尽管没有单一替代模型在所有情况下都能实现最佳性能，但对于给定输入，总存在一个 well-aligned 的替代模型 within 一个多样化的池中。这一发现将稳健检测转化为一个路由问题：为每个输入选择最合适的替代模型。我们提出 DetectRouter，一个基于原型的框架，通过两个阶段训练来学习文本-检测器亲和性。第一个阶段从白盒模型构建判别性原型；第二个阶段通过将几何距离与观察到的检测得分对齐来泛化到黑盒来源。在 EvoBench 和 MAGE 基准测试上的实验表明，该方法在多个检测准则和模型家族上均实现了一致的改进。
引用
@article{arxiv.2602.01240,
title = {Minimizing Mismatch Risk: A Prototype-Based Routing Framework for Zero-shot LLM-generated Text Detection},
author = {Ke Sun and Guangsheng Bao and Han Cui and Yue Zhang},
journal= {arXiv preprint arXiv:2602.01240},
year = {2026}
}