转换聊天机器人文本：序列到序列方法

由于大语言模型（LLM）如ChatGPT的进步，人类撰写的文本与AI生成的文本之间的界限变得模糊。然而，最近的研究表明，可以可靠地检测GPT生成的文本。在本文中，我们采用了一种新颖的策略，使用序列到序列（Seq2Seq）模型对抗性地转换GPT生成的文本，目的是使文本更具人类特征。我们使用Seq2Seq模型T5-small和BART来修改GPT生成的句子，使其包含可能更典型于人类撰写文本的语言、结构和语义成分。实验表明，用于区分GPT生成文本的分类模型在测试经过这些Seq2Seq模型修改的文本时准确性显著降低。然而，在利用我们Seq2Seq技术生成的数据重新训练分类模型后，这些模型能够以高准确性区分经过转换的GPT生成文本和人类生成的文本。这项工作增加了对文本转换作为攻击工具——在击败分类模型方面的攻击——和防御工具——在改进分类器方面的防御——的理解，从而推进了我们对AI生成文本的认识。