arXiv cs.CL· Nico Morloher, Johannes Reschke, Mohamed Mady·· 10 小时前AI 评分31
论文用 xAI 分析 AI 文本检测器在领域偏移下的特异性偏差与维基百科悖论
Specificity Bias and the Wikipedia Paradox: An xAI Analysis of AI Text Detectors under Domain Shift
AI 导读
一项 arXiv 研究用 SHAP 框架分析 DistilBERT、RoBERTa 等微调 Transformer 检测器在超本地新闻 OOD 数据集上的表现，揭示三种现象：检测器依赖指令微调 LLM 固有的"行动号召"特征；LLM 通过幻觉具体命名实体和模仿对话瑕疵形成"特异性偏差"绕过检测；正式客观的人类写作因低统计突发性被误判为 AI，即"维基百科悖论"。
正文 · AI 翻译
摘要：大型语言模型（LLM）的广泛采用要求可靠地检测人类撰写的文本与合成文本。然而，当前基于 Transformer 的检测器在领域偏移时往往出现严重的性能下降，并且作为不透明的分类器运行。本文通过将微调的 Transformer 模型（DistilBERT、RoBERTa）与一个由开源 LLM（Llama 3、Mistral、Gemma）合成的超本地新闻自定义分布外（OOD）数据集进行对比评估，研究了这些模型的鲁棒性和可解释性。为分析模型决策边界，我们采用基于 SHAP 的三方可解释 AI（xAI）框架。我们的分析揭示了三个关键现象：第一，检测器往往依赖指令微调 LLM 固有的“行动号召”综合征，而非通用的机器文本。第二，我们观察到一种“特异性偏差”，即 LLM 通过幻觉出具体的命名实体并模仿对话中的不完美之处，成功绕过检测。最后，我们阐释了“维基百科悖论”，即正式、客观的人类写作因其低统计突发性而常被误判为 AI 生成。这些发现表明，纯统计检测范式在高度结构化的人类领域中面临系统性局限，凸显了对语义感知、可解释检测架构的迫切需求。
| 主题： | 计算与语言（cs.CL） |
| 引用为： | arXiv:2611.03280 [cs.CL] |
| （或 arXiv:2611.03280v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.03280 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Nico Morloher [查看电子邮件]
[v1]
2026年11月2日星期一 15:22:34 UTC（2,404 KB）
来源：arXiv cs.CL · arxiv.org