arXiv cs.CL· Ziruo Zhao, Jie Fu, Wendy Hui Wang, Zining Zhu·· 10 小时前AI 评分31
面向细粒度与鲁棒的人类-AI 共同作者身份检测
Towards Fine-grained and Robust Detection of Human-AI Co-authorship
AI 导读
研究提出离散类别文本溯源检测框架，将人机共同写作场景按 AI 参与程度分级，区分表层润色与话语结构改写。实验显示对抗性改写会显著降低仅在良性数据上训练的检测器性能，而用先进改写攻击模型生成的对抗样本做数据增强可持续提升鲁棒性与跨生成模型迁移性。
正文 · AI 翻译
摘要：大语言模型（LLM）的广泛采用正在重塑文本内容的生成方式，使文本溯源变得复杂，并引发了对错误信息、抄袭和知识产权的担忧。尽管此前关于 AI 生成文本检测的研究已有进展，但一维的人机共同作者评分缺乏与“AI 参与”直接相关的信号。对抗性改写如何扭曲检测信号仍不清楚。在本工作中，我们提出了一个离散类别的文本溯源检测框架。该框架允许将现实中的共同作者场景抽象为不同的 AI 参与程度，区分表面层面的 AI 润色与 AI 更新话语结构。该框架揭示了对抗性改写如何模糊共同作者检测器决策边界的机制。为提高检测器的鲁棒性，我们用最先进的改写攻击模型生成的对抗性改写来增强训练数据，使检测器接触到具有挑战性的保持语义的重写。跨多个数据集和生成模型的大量实验表明，对抗性改写会显著降低仅在良性数据上训练的检测器的性能，而对抗性数据增强则带来一致的鲁棒性提升和良好的跨生成器迁移性。总体而言，我们的发现凸显了离散类别表述和原则性数据增强对于构建可靠的人机共同作者检测器的价值。
| 主题： | 计算与语言（cs.CL）；机器学习（cs.LG） |
| 引用为： | arXiv:2611.01427 [cs.CL] |
| （或 arXiv:2611.01427v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.01427 由 DataCite 颁发的 arXiv DOI（待注册） |
|
| 期刊 参考： | EMNLP 2026 Findings |
| 相关 DOI： | https://doi.org/10.18653/2026.findings-emnlp.1365
链接到相关资源的 DOI |
提交历史
来自：Ziruo Zhao [查看电子邮件]
[v1]
2026年11月1日星期日 02:10:37 UTC（3,890 KB）
来源：arXiv cs.CL · arxiv.org