machine-generated-text

本文提出RidgeFT，一个轻量级的分析更新框架，用于终身机器生成文本归因，能够适应新的文本生成器而不遗忘旧的，在多个评估设置中取得了强劲性能。

本文揭示了机器生成文本中隐藏的类人片段的存在，并提出了一种与模型无关的堆叠增强框架，通过减少这些片段的影响来改进现有检测器。

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。

# 聚光灯与盲区：机器生成文本检测的评估 来源：[https://arxiv.org/html/2604.16607](https://arxiv.org/html/2604.16607) ###### 摘要 随着生成式语言模型的兴起，机器生成文本检测已成为一项关键挑战。尽管模型种类繁多，但不一致的数据集、评估指标和评估策略使得模型有效性的比较变得模糊。为此，我们从...