识别机器人：利用聚类与信息论技术区分人工撰写与机器人生成文本
计算与语言
2023-11-21 v1
摘要
随着GPT-3等生成模型的发展，区分生成文本与人工撰写文本变得愈发困难。大量研究已展示出在机器人识别方面的良好结果。然而，此类工作大多依赖需要标注数据和/或关于机器人模型架构先验知识的监督学习方法。本工作中，我们提出一种基于无监督学习技术且不依赖大量标注数据的机器人识别算法。通过结合聚类（硬聚类与模糊聚类）语义分析与信息论技术的发现，我们构建了一个可检测不同类型机器人所生成文本的鲁棒模型。我们发现生成文本往往更具混沌性，而文学作品则更为复杂。我们还证明，与机器人生成文本更紧凑且分离良好的聚类相比，人类文本的聚类产生更模糊的簇。
引用
@article{arxiv.2311.11441,
title = {Spot the Bot: Distinguishing Human-Written and Bot-Generated Texts Using Clustering and Information Theory Techniques},
author = {Vasilii Gromov and Quynh Nhu Dang},
journal= {arXiv preprint arXiv:2311.11441},
year = {2023}
}
备注
Accepted in Pattern Recognition and Machine Intelligence 2023. 8 pages, 3 figures