标签
Meta 的最新 TextSeal2 论文表明,将两个密钥混合成一个虚拟密钥并加入噪声,可以让 AI 生成文本中的隐藏水印更容易被检测到,即使采用推测解码也是如此。在误报率为 0.1% 时,其检测率达到 89%,而 TextSeal 为 71%。
该论文提出通过学习词汇带和预视预测器来改进扩散语言模型的绿-红水印方法,在WaterBench上使用LLaDA-8B-Instruct实现96%以上的检测率,同时保持与无水印文本相当的生成质量。
OpenAI 将在欧盟为 ChatGPT 和 Codex 生成的文本添加不可见水印以符合欧盟 AI 法案的透明度要求,同时发布名为 textGrain 的技术报告,但承认水印可被同义词替换等编辑削弱检测效果。
本文介绍了关系过度正则化(ROR)作为检测AI生成文本的结构信号,并提出了跨源风格指纹图(CSFG)框架,通过基于图的方法利用这一信号,实现了高精度的检测。
MD-ProTector是一篇研究论文,提出了一种基于原型的LLM生成文本检测方法,每个类别使用多个可训练参考向量来捕获类内差异,并提高跨领域、生成器、语言和对抗性编辑的鲁棒性。
Pangram筹集900万美元用于检测AI生成内容,推出新的文本和图像检测模型,识别AI辅助写作的准确率超过99%。
PP-OCRv6是一个轻量级OCR模型(3450万参数),凭借其MetaFormer架构挑战大型VLM,在多种部署场景下提供高效的文本检测与识别能力。
PP-OCRv6 是 PaddleOCR 通用 OCR 模型系列的最新版本,提供从 1.5M 到 34.5M 参数的三个档次,支持 50 种语言,并在准确率上较之前版本有显著提升。
一项研究发现,基础语言模型在AI检测器中看起来像是人类写的,而经过指令微调的模型则不然。作者提出了一种名为HIP的改写管道,该管道能在不同模型规模下提高文本的人类相似度,同时保持语义。