EASE：用熵自适应分布塑形规避 AI 生成文本检测器

EASE: Entropy-Adaptive Distribution Shaping for Evading AI-generated Text Detectors

AI 导读

研究者提出 EASE，一个无需训练、不依赖特定检测器的 AI 生成文本规避框架，直接根据源 LLM 下一 token 分布的预测熵自适应调整 logit 扰动与采样温度，无需检测器反馈或模型微调。在三个源 LLM 和多个检测器上的实验显示检测性能一致下降，文本质量与推理开销的损失可忽略。

正文 · AI 翻译

查看 PDF HTML（实验性）

摘要：AI 生成文本（AIGT）检测可能对源大语言模型（LLM）的解码选择较为敏感。我们观察到，扰动下一 token 的 logits 或调整采样温度会降低检测性能，这为检测器对解码时分布变化的脆弱性提供了明确信号。基于这一观察，我们提出 EASE（Entropy-Adaptive Distribution Shaping for Evasion），一个无需训练且与检测器无关的 AIGT 检测器规避框架。EASE 直接从源 LLM 的下一 token 分布计算预测熵，并利用它同时自适应调整 logit 扰动和采样温度，无需检测器反馈或模型微调。在三个源 LLM 和多个检测器上的实验表明，检测性能持续下降，而文本质量下降可忽略不计，推理开销也可忽略不计。

主题：	计算与语言（cs.CL）
引用为：	arXiv:2610.09976 [cs.CL]
	（或 arXiv:2610.09976v1 [cs.CL] 用于此版本）
	https://doi.org/10.48550/arXiv.2610.09976 由 DataCite 颁发的 arXiv DOI（待注册）

提交历史

来自：Jicheng Zhou [查看邮箱]
[v1] 2026年10月7日星期三 12:41:19 UTC（229 KB）

来源：arXiv cs.CL · arxiv.org