Chinese content研究:短文本 AI 检测器误报率随长度骤变,提出分长度校准方法
做内容审核或学术诚信检查的会想看这篇:它用公式证明检测器在 10 token 短文本上误报率会从 1% 飙到 29%,Binoculars 真阳性率最高也只有 59%,还给了分长度校准和自动弃权的具体做法,可以直接照着实现。
做内容审核或学术诚信检查的会想看这篇:它用公式证明检测器在 10 token 短文本上误报率会从 1% 飙到 29%,Binoculars 真阳性率最高也只有 59%,还给了分长度校准和自动弃权的具体做法,可以直接照着实现。
检测AI文本的论文有个老矛盾:准的不透明,透明的欠准。DeepMind和UPenn用SAE把检测特征翻译成人话,还顺手把两者都赢了,代码已放出。
这篇论文用SenFlow模型做混合人机文本检测,在MOSAIC基准上比现有方法高出4个多点的F1分数,还发现AI句子有长度特征。