NOTAI.AI：基于曲率与特征归因的机器生成文本可解释检测
计算与语言
2026-03-09 v1
摘要
我们提出 NOTAI.AI，一个基于曲率信号与神经及风格化特征的机器生成文本检测可解释框架，扩展自 Fast-DetectGPT。该系统在监督学习框架下，将 17 项可解释特征（包括条件概率曲率、ModernBERT 检测得分、可读性指标及风格化线索）融入梯度提升树（XGBoost）元分类器，以判定文本为人类生成或AI生成。进一步地，NOTAI.AI 应用Shapley Additivity Explanations (SHAP) 提供局部与全局特征层级归因。这些归因经基于 LLM 的解释层转化为结构化自然语言理由，实现用户可感知的可解释性。该系统以交互式网页应用形式部署，支持实时分析、视觉特征检验及结构化证据呈现。网页界面允许用户输入文本并检查神经信号与统计信号如何影响最终决策。源代码与演示视频已公开，以支持可重复性。
引用
@article{arxiv.2603.05617,
title = {NOTAI.AI: Explainable Detection of Machine-Generated Text via Curvature and Feature Attribution},
author = {Oleksandr Marchenko Breneur and Adelaide Danilov and Aria Nourbakhsh and Salima Lamsiyah},
journal= {arXiv preprint arXiv:2603.05617},
year = {2026}
}
备注
8 pages, 7 figures