标签
该论文介绍了 TRIDENT，一种基于往返翻译、包含三种分类变体的框架，以及 SHAKTI，一个用于检测 AI 生成的印地语文本的大规模基准数据集，并在多种体裁、大语言模型、对抗性设置和七种语言中进行了评估。
Google DeepMind 论文提出了 DetectorScope 管线，该管线利用稀疏自编码器从黑盒 AI 文本检测器的残差流中提取可解释的语言特征，并据此训练出既能保持原检测器性能、又具备可审计性且在分布外文本上表现更优的透明分类器。
一位 ParaTrace 开发者分享了两个 AI 文本检测器（ParaTrace v7 与 Pangram 3.3.2/4）在 2022 年（前 LLM 时代）论文与 2025 年论文上的对比测试结果：两者在 2022 年文本上均无误报，但在 2025 年论文上存在显著分歧，并将 ParaTrace 与 Pangram 的公开测试集进行了基准对比。
这篇 arXiv 论文表明，基于 RoBERTa 的机器生成文本检测器追踪的是统计复杂性而非机器作者身份：通过 Mistral-7B 对 LLM 输出进行"人性化"处理反而提高了词汇多样性（Verb Diversity）和检测得分；该检测器在正式人类写作上的误报率高达 76.3%，且 41% 的同形字符（homoglyph）攻击可绕过检测。基于事件的隐空间检测方法则被证明对改写和字符级扰动十分脆弱。
本文研究了冻结BERT中驱动AI文本检测的神经元，通过在RAID基准测试上应用稀疏探测和激活补丁技术，识别出一小部分因果相关的神经元，这些神经元在不同生成器家族间具有泛化性。
本文详细介绍了Deckard的创建，这是一款Chrome扩展，利用本地AI模型自动检测浏览器中的AI生成文本，包括各种模型在效果和隐私方面的基准测试比较。
一项涉及504名参与者的研究发现，高度怀疑并未提高对AI生成文本的检测能力，持续接触下假新闻准确性下降了10.2个百分点，这表明在媒体评估中存在认知疲劳。
本文理论分析了重复改写如何使人工智能生成的文本与人类写作分布对齐，推导出收敛率，并探讨了对可靠的人工智能文本检测的影响。
论文介绍了VietAIDetector，这是一个开源的零样本工具，用于检测越南语AI生成文本，具有Gradio网络界面和优于现有方法的性能。
一位研究者提出了一个理论界限，表明基于相似性的AI文本检测器（水印、检索）面临由文本分布碰撞熵决定的假阳性率下限，并请求社区对证明及其与先前工作的联系提供反馈。
本文提出了EchoPrompt，一种无需训练的LLM生成文本检测器，通过添加通用前缀恢复潜在提示依赖性，并衡量指令微调模型与基础模型之间的似然增益差异，实现了最先进的零样本检测性能。
介绍ARB，一个用于评估AI文本检测器的匹配作者重写基准，表明尽管对直接LLM生成的文本具有高召回率，但当人类文本被LLM重写时，检测器性能显著下降。
Pangram Labs 推出 Pangram 4，这是一款最先进的 AI 文本检测模型，AUROC 达到 0.9916，误报率和漏报率极低，并且提高了对对抗性攻击的鲁棒性以及混合作者身份的检测能力。
本文提出了SenFlow，一种用于混合文档中句子级AI生成文本检测的方法，通过建模句子间依赖关系，利用图传播和线性链CRF解码。同时引入了MOSAIC基准测试，包含由DeepSeek-V3.2和Kimi K2生成的16,000篇文档，达到了最先进的性能。
本文表明，微调后的AI文本检测器放大了预训练的典型性轴，而非学习AI与人类之间的界限，原始编码器投影通常达到或超过微调后的性能。
本文研究了AI生成文本检测方法（微调后的RoBERTa、Binoculars、文本特征分析及其集成方法）在面对释义攻击时的鲁棒性。研究发现，包含Binoculars的集成方法效果最强，但在攻击中损失也最大，揭示了性能与鲁棒性之间的二分法。
本文介绍了MELD，这是一种用于AI生成文本的检测器，它通过使用辅助头进行多任务学习（涵盖生成器家族、攻击类型和源域）来提高鲁棒性。MELD在RAID基准测试中表现出色，并在对抗攻击下保持低误报率。