dair_ai· @dair_ai · X·· 4 天前AI 评分
Google DeepMind 与 UPenn 提出可解释的 AI 文本检测方法
Google DeepMind 与 UPenn 提出一种可解释的 AI 文本检测方法，通过稀疏自编码器提取并自动标注检测器残差流中的特征，再仅用通过保真度检查的特征训练小型分类器。该方法在分布外文本上的表现超过原神经检测器和风格基线，论文已被 EMNLP 2026 接收，代码与模型已发布，论文地址为 arxiv.org/abs/2610.30006。
来自 Google DeepMind 和 UPenn 的一篇关于可解释 AI 文本检测的出色论文。
最强的 AI 文本检测器是经过微调的分类器，它们在标记文本时不会给出任何理由，而可读的风格计量替代方案准确率要低得多。当标记结果会影响同行评审、招生或学生时，这一差距就很重要。
这项研究在检测器的残差流上训练稀疏自编码器，自动为每个特征添加标签，并且只保留描述通过保真度检查的特征。随后，仅使用这些特征训练一个小型分类器。
保留下来的特征对应于 AI 生成文本的特定语言标记。这种可解释分类器在分布外文本上的表现也优于原始神经检测器和风格计量基线。
已被 EMNLP 2026 接收，代码和模型均已发布。
arxiv.org/abs/2610.30006
与论文对话：academy.dair.ai/papers/build…
来源：dair_ai · x.com