SAGE：利用主观性语言特征检测 AI 生成同行评审的框架

SAGE (Subjectivity-Aware Generation Estimator): A Linguistic Framework for AI-Generated Review Detection *

AI 导读

研究者提出 SAGE 框架，从语义层的评价性语言与情态、语用层的言语行为两个层面捕捉主观性，仅用这些语言特征训练的轻量分类器即达到 0.9566 的 AUROC。将其输出与 SOTA 检测器 Sem-Detect 结合后，在 APRDB 基准上 1% FPR 下的 TPR 从 0.874 提升至 0.985，超过当前最优水平。代码与模型已在 GitHub 和 Hugging Face 公开。

正文 · AI 翻译

查看 PDF

摘要：我们提出了一种简单、有语言学依据的方法，基于人类固有的主观性特征来检测 AI 生成的同行评审。我们从两个层面捕捉主观性：评价性语言与情态的语义层面，以及言语行为的语用层面。利用由言语行为标注和模型预测的主观性得分衍生出的特征，我们训练了一个轻量级分类器，仅使用这些语言学特征就达到了 0.9566 的 AUROC。将其输出与最先进的检测器 Sem-Detect 结合后，在 APRDB 基准上使 Sem-Detect 在 1% FPR 下的 TPR 从 0.874 提升到 0.985，超越了当前最先进水平。我们的结果表明，主观性的语言学特征为检测 AI 生成的同行评审提供了可解释的信息来源，并且可以方便地集成到现有检测方法中。代码和模型分别公开在 GitHub（此 https URL\_ text\_detection\_hub）和 Hugging Face（此 https URL）上。

学科：	计算与语言（cs.CL）
引用为：	arXiv:2611.03060 [cs.CL]
	（或 arXiv:2611.03060v1 [cs.CL] 用于此版本）
	https://doi.org/10.48550/arXiv.2611.03060 由 DataCite 颁发的 arXiv DOI（待注册）

提交历史

来自：Patrick Bas [查看邮箱] [通过 CCSD 代理]
[v1] 2026 年 11 月 2 日星期一 12:50:19 UTC（468 KB）

来源：arXiv cs.CL · arxiv.org