新的 DWT-Fusion 框架无需训练即可检测 LLM 生成的文本

研究人员开发了 DWT-Fusion，一个新颖的框架，用于在不需要任何先验训练数据的情况下检测由大型语言模型生成的文本。该方法利用离散小波分析来检查 token 级对数概率序列，从局部概率动态中提取检测信号。该框架在 HC3、M4 和 MAGE 等数据集上进行了评估，使用了 GPT-Neo-2.7B、GPT-J-6B、Falcon-7B 和 LLaMA-3-8B 等各种代理模型，取得了很高的 AUROC 分数，并通过校准加权投票集成进一步提高。 AI

影响 这项研究提供了一种新颖的、无需训练的 LLM 生成文本检测方法，有望提高各种模型和数据集的内容真实性验证能力。

排序理由 该集群包含一篇详细介绍 LLM 生成文本检测新方法的 ist-f-research_paper。

在 arXiv cs.CL 阅读 →

• DWT-Fusion
• Falcon-7b
• GPT-J
• GPT-Neo-2.7B
• Llama 3-8B
• M4
• MAGE
• Mehmet Batuhan Ozdas

• 论文
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →