研究人员开发了一个名为REACT的新型对抗性训练框架，以提高机器生成文本的检测能力，特别是在数据有限的少样本场景下。该框架让一个以人性化为导向的攻击者（使用检索增强生成（RAG）来创建规避性文本）与一个学习识别这些对抗性样本的检测器进行对抗。通过交替更新这两个组件，REACT提高了检测器在面对复杂攻击时的性能和鲁棒性。 AI
影响 这项研究可能带来更强大的AI生成虚假信息防御能力，并提高AI内容审核系统的可靠性。
排序理由 学术论文，详细介绍了用于机器生成文本检测的新型对抗性训练框架。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2605.02374v1 Announce Type: cross Abstract: Machine-generated text (MGT) detection is critical for regulating online information ecosystems, yet existing detectors often underperform in few-shot settings and remain vulnerable to adversarial, humanizing attacks. To build acc…
Machine-generated text (MGT) detection is critical for regulating online information ecosystems, yet existing detectors often underperform in few-shot settings and remain vulnerable to adversarial, humanizing attacks. To build accurate and robust detectors under limited supervisi…