@panickssery: 除了识别LLM的使用外，Pangram还发现许多学者不知道假阳性和假阴性之间的区别…

X AI KOLs Following 2026/06/22 00:51 工具

llm-detection false-positives false-negatives academia pangram

摘要

Pangram，一个用于检测LLM使用的工具，揭示了许多学者不理解假阳性和假阴性之间的区别。

除了识别LLM的使用外，Pangram还发现许多学者不知道假阳性和假阴性之间的区别。

查看原文

相似文章

X AI KOLs Timeline

本文介绍了 EoBench，这是一个基准测试，用于测试 LLMs 对以 19 种不同风格表述的虚假主张的接受程度，发现语气、确定性和语法形式显著影响模型响应，而更大的模型和经过指令调优的模型显示出更强的抵抗力。

arXiv cs.CL

本文研究了在教育场景中，LLMs在多大程度上能够检测自身生成的内容，发现检测准确率因任务类型而异，且对于简答题不可靠。

X AI KOLs Timeline

本文研究了 LLM 是否能够可靠地自我报告其输出被对抗性预填充篡改的情况，发现模型通常无法区分被篡改的输出和故意的输出，其有限的识别能力源自正常的拒绝行为，而非真正的自我意识。

Hacker News Top

本文探讨了LLM的后训练（RLHF和RLVR）如何产生诸如否定平行结构之类的语言特征，并批评了使用AI检测工具（Grammarly、Pangram）的做法，这些工具迫使写作者为了避免被误判而模仿机器语言。

X AI KOLs Following

一条推文讨论了一个发现的怪现象：将论文PDF重命名为更长、更积极的标题会提高LLM评审的评分，建议谨慎使用基于评分的LLM评估，并推荐改用二分类标签。