DetectRL-X：面向可靠的多语言及真实世界的LLM生成文本检测

# DetectRL-X：面向可靠的多语言与真实世界大语言模型生成文本检测
来源：https://arxiv.org/abs/2605.15518
作者：Junchao Wu (https://arxiv.org/search/cs?searchtype=author&query=Wu,+J)，Yefeng Liu (https://arxiv.org/search/cs?searchtype=author&query=Liu,+Y)，Chenyu Zhu (https://arxiv.org/search/cs?searchtype=author&query=Zhu,+C)，Hao Zhang (https://arxiv.org/search/cs?searchtype=author&query=Zhang,+H)，Zeyu Wu (https://arxiv.org/search/cs?searchtype=author&query=Wu,+Z)，Tianqi Shi (https://arxiv.org/search/cs?searchtype=author&query=Shi,+T)，Yichao Du (https://arxiv.org/search/cs?searchtype=author&query=Du,+Y)，Longyue Wang (https://arxiv.org/search/cs?searchtype=author&query=Wang,+L)，Weihua Luo (https://arxiv.org/search/cs?searchtype=author&query=Luo,+W)，Jinsong Su (https://arxiv.org/search/cs?searchtype=author&query=Su,+J)，Derek F. Wong (https://arxiv.org/search/cs?searchtype=author&query=Wong,+D+F)

查看 PDF (https://arxiv.org/pdf/2605.15518)

> **摘要：** 随着大语言模型（LLM）被滥用的风险日益增加，对其生成内容的有效检测与治理变得愈加关键。尽管现有检测器表现不俗，但在多语言和真实世界场景下的可靠性与潜力仍未得到充分探索。在本研究中，我们引入了 DetectRL-X——一个全面的多语言基准测试，旨在从 8 个维度评估先进检测器。该基准涵盖商业场景中常用的 8 种语言，并收集了 6 个极易受 LLM 滥用影响的领域的人类撰写文本。为了更好地贴合实际应用，我们使用 4 个流行的商业 LLM 生成文本，并纳入典型的 AI 辅助写作操作（如润色、扩写和压缩）以捕捉真实的使用模式。此外，我们开发了一个多语言框架，用于 paraphrasing 和 perturbation 攻击，以模拟多样的人类修改和写作噪声，从而实现对检测器跨语言的压力测试。在 DetectRL-X 上的实验揭示了当前最先进检测器在面对多样化语言资源时的优势与局限。我们进一步分析了领域、生成器、攻击策略、文本长度和精炼操作如何影响不同语言下的性能，突显了 DetectRL-X 作为强化多语言及特定语言检测器的有效基准的价值。

## 提交历史

来自：Junchao Wu [查看电子邮件 (https://arxiv.org/show-email/1dff1eb9/2605.15518)]  
**[v1]** 2026年5月15日，星期五，UTC 01:29:26（10,065 KB）