短文本PHD检测：通过插入偏题内容检测短文本LLM生成文本
计算与语言
2025-04-07 v1
摘要
大型语言模型（LLM）的恶意用途促使对LLM生成文本的检测。拓扑数据分析领域的已有研究表明，文本嵌入的持久同调维数（PHD）可以作为比其他零样本方法更稳健且更具前景的评分。然而，有效检测短文本LLM生成文本仍然是一个挑战。本文提出了Short-PHD，这是一种针对短文本的零样本LLM生成文本检测方法。Short-PHD通过在给定输入文本前插入偏题内容来稳定此前PHD方法在短文本上的估计，并基于 established 检测阈值识别LLM生成文本。在公共数据集和生成数据集上的实验结果表明，Short-PHD在短文本LLM生成文本检测方面优于现有的零样本方法。实现代码已在线上提供。
引用
@article{arxiv.2504.02873,
title = {Short-PHD: Detecting Short LLM-generated Text with Topological Data Analysis After Off-topic Content Insertion},
author = {Dongjun Wei and Minjia Mao and Xiao Fang and Michael Chau},
journal= {arXiv preprint arXiv:2504.02873},
year = {2025}
}