arXiv cs.CL· Yixuan Huang, Danish Pruthi, Bhuwan Dhingra·· 2 天前AI 评分31
面向数学密集型科学文本的多模态 AI 检测
Multimodal AI Detection for Math-Heavy Scientific Text
AI 导读
研究者从 2022 年前的 arXiv LaTeX 源码中选取人类撰写的证明与散文段落，用 15 个现代 LLM 在同一论文语境下重新生成，构建了 LaTeX 源码、PDF 渲染图像和 PDF 提取文本三种表示形式的配对数据。
正文 · AI 翻译
摘要：随着大型语言模型在生成和辅助科学写作方面的能力日益增强，研究中使用 AI 的透明度和披露需求也随之增加。因此，一个名副其实的研究子领域和众多商业服务都旨在自动标记 AI 生成的内容。然而，现有仅依赖从 PDF 中提取文本的检测器，无法受益于数学密集型科学内容排版中所包含的丰富视觉信息。为研究这一问题，我们从 2022 年前的 arXiv LaTeX 源文件中选取人工撰写的证明和散文段落，并在同一篇论文的上下文中使用 15 个现代 LLM 重新生成它们。这使我们得到三种不同表示形式下配对的人类与 AI 输出：LaTeX 源文件、PDF 渲染图像，以及从 PDF 中提取的文本。我们发现，随着段落中数学内容的增加，最先进的 Pangram 4 的准确率显著下降，尤其是在基于文本而非 LaTeX 进行评估时。然而，这并不是检测 AI 生成数学内容的固有局限：在该领域对基于 Qwen-3.5-27B 的检测器进行微调可以弥补这一差距，其中 LaTeX 输入的表现显著优于文本，因为它保留了更多格式信息。由于 LaTeX 源文件在实践中很少可用，我们还训练了 SnapJudge：一个基于图像的检测器，可处理论文中散文和证明的截图。在 0.1% 假阳性率下，SnapJudge 对前沿模型生成的证明达到 92% 的检测率，对散文达到 93%，大幅优于 Pangram 4 和我们的基于文本的检测器。我们在 此 https URL 发布我们的数据、模型和代码。
| 学科： | 计算与语言（cs.CL） |
| 引用为： | arXiv:2610.21062 [cs.CL] |
| （或 arXiv:2610.21062v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.21062 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Yixuan Huang [查看电子邮件]
[v1]
2026 年 10 月 15 日星期四 01:10:14 UTC（489 KB）
来源：arXiv cs.CL · arxiv.org