当 AI 沉淀下来：后期稳定性作为 AI 生成文本检测的标志
计算与语言
2026-01-09 v1
摘要
针对 AI 生成文本的零样本检测方法通常聚合整个序列上的词元级统计量，忽略了自回归生成固有的时间动态性。我们分析了超过 12 万个文本样本，揭示了后期波动衰减：随着生成过程的推进，AI 生成的文本表现出快速稳定的对数概率波动，而人类写作在整个过程中保持较高的变异性。这种差异在序列的后半部分达到峰值，其中 AI 生成文本的波动性降低了 24--32\%。基于这一发现，我们提出了两个简单的特征：导数色散和局部波动性，它们完全从后期统计量中计算得出。无需扰动采样或额外的模型访问，我们的方法在 EvoBench 和 MAGE 基准测试上取得了 SOTA 性能，并展现出与现有全局方法的强互补性。
引用
@article{arxiv.2601.04833,
title = {When AI Settles Down: Late-Stage Stability as a Signature of AI-Generated Text Detection},
author = {Ke Sun and Guangsheng Bao and Han Cui and Yue Zhang},
journal= {arXiv preprint arXiv:2601.04833},
year = {2026}
}