arXiv · cs.CL· Anastasia Voznyuk·· 18 天前AI 评分44
机器生成文本检测器对 PDF 提取伪影依赖性的测量
Measuring Artifact Reliance in Machine-Generated Text Detectors
来源与原文
arXiv · cs.CL
作者：Anastasia Voznyuk
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.13583v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
一项 arXiv cs.CL 研究分析了六个流行数据源的十个科学文档子集，发现机器生成文本检测器的高分部分源于文档构建方式带来的伪影。仅用 27 个表面特征的逻辑回归达到 0.833-0.997 macro-F1，在三个 arXiv 子集上以 0.951-0.997 F1 超越所有受测检测器；最强线索是 PDF 提取伪影（人工文本保留原始换行，生成文本被提取为整块文本），结合三项格式特征可达 0.996 AUC。作者提出格式反事实方法：仅重新换行不改一字即可翻转公开检测器 20-27% 的正确判断；训练前做格式归一化将泛化差距从 0.32 降至 0.22，在格式干净的基准上把域外 macro-F1 从 0.33 提升到 0.65。
来源：arXiv · cs.CL · arxiv.org