变异是关键：面向 LLM 生成文本检测的变异基方法
人工智能
2026-02-17 v1 计算与语言
摘要
检测由大语言模型(LLM) 生成的文本在学术界至关重要但也颇具挑战性。现有检测方法依赖不切实际的假设，如白盒设置，或仅依赖文本级别特征，导致检测能力不够精确。本文提出了一种简单而有效且实用的 LLM 生成文本检测方法，称为 VaryBalance。VaryBalance 的核心在于：与 LLM 生成的文本相比，人类文本与其通过 LLM 重写后的版本之间存在更大的差异。基于此观察，VaryBalance 通过计算均值标准差来量化这种差异，并据此区分人类文本与 LLM 生成的文本。综合实验表明，VaryBalance 在 AUROC 指标上相较于最新检测方法 Binoculars 可提升最高 34.3%，并对多种生成模型和语言保持鲁健性。
关键词
引用
@article{arxiv.2602.13226,
title = {Variation is the Key: A Variation-Based Framework for LLM-Generated Text Detection},
author = {Xuecong Li and Xiaohong Li and Qiang Hu and Yao Zhang and Junjie Wang},
journal= {arXiv preprint arXiv:2602.13226},
year = {2026}
}