論文の概要: HACo-Det: A Study Towards Fine-Grained Machine-Generated Text Detection under Human-AI Coauthoring

• arxiv url: http://arxiv.org/abs/2506.02959v1
• Date: Tue, 03 Jun 2025 14:52:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-04 21:47:35.804749
• Title: HACo-Det: A Study Towards Fine-Grained Machine-Generated Text Detection under Human-AI Coauthoring
• Title（参考訳）: HACo-Det:人間-AI共著者による微細粒度テキスト検出に関する研究
• Authors: Zhixiong Su, Yichen Wang, Herun Wan, Zhaohan Zhang, Minnan Luo,
• Abstract要約: 本稿では,人間-AI共著者によるMGT検出の可能性について検討する。 より微細な検出器は、数値AI比で、共認可されたテキスト検出への経路を舗装することができることを示唆する。 実験結果から, 平均F1スコア0.462において, 計量法は微粒度検出に苦慮していることがわかった。
• 参考スコア（独自算出の注目度）: 14.887491317701997
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The misuse of large language models (LLMs) poses potential risks, motivating the development of machine-generated text (MGT) detection. Existing literature primarily concentrates on binary, document-level detection, thereby neglecting texts that are composed jointly by human and LLM contributions. Hence, this paper explores the possibility of fine-grained MGT detection under human-AI coauthoring. We suggest fine-grained detectors can pave pathways toward coauthored text detection with a numeric AI ratio. Specifically, we propose a dataset, HACo-Det, which produces human-AI coauthored texts via an automatic pipeline with word-level attribution labels. We retrofit seven prevailing document-level detectors to generalize them to word-level detection. Then we evaluate these detectors on HACo-Det on both word- and sentence-level detection tasks. Empirical results show that metric-based methods struggle to conduct fine-grained detection with a 0.462 average F1 score, while finetuned models show superior performance and better generalization across domains. However, we argue that fine-grained co-authored text detection is far from solved. We further analyze factors influencing performance, e.g., context window, and highlight the limitations of current methods, pointing to potential avenues for improvement.
• Abstract（参考訳）: 大規模言語モデル(LLM)の誤用は潜在的なリスクをもたらし、機械生成テキスト(MGT)検出の開発を動機付けている。 現存する文献は、主にバイナリ、文書レベルの検出に重点を置いており、人間とLLMのコントリビューションによって共同で構成されるテキストを無視している。 そこで本研究では,人間とAIの共著者による微粒なMGT検出の可能性について検討する。 より微細な検出器は、数値AI比で、共認可されたテキスト検出への経路を舗装することができることを示唆する。 具体的には、単語レベルの属性ラベルを持つ自動パイプラインを介して、人間とAIが共著するテキストを生成するデータセットHACo-Detを提案する。 我々は、7つの文書レベルの検出器を補足し、それらを単語レベルの検出に一般化する。 次に,単語レベルと文レベルの両方の検出タスクにおいて,HACo-Det上でこれらの検出値を評価する。 実験結果によると、計量法は0.462の平均F1スコアで細粒度検出を行うのに苦労し、微調整されたモデルでは、ドメイン間での優れた性能とより良い一般化が示される。 しかし、細かな共著者によるテキスト検出は、解決には程遠いと論じる。 さらに、性能、例えばコンテキストウインドウに影響を与える要因を分析し、改善のための潜在的な道のりを指して、現在の手法の限界を強調します。

関連論文リスト

• Your Language Model Can Secretly Write Like Humans: Contrastive Paraphrase Attacks on LLM-Generated Text Detectors [65.27124213266491]
  テキスト検出を効果的に欺く訓練不要な方法である textbfContrastive textbfParaphrase textbfAttack (CoPA) を提案する。 CoPAは、大規模言語モデルによって生成される人間のような分布とは対照的に、補助的な機械的な単語分布を構築している。 我々の理論的分析は、提案された攻撃の優越性を示唆している。
  論文  参考訳（メタデータ） (2025-05-21T10:08:39Z)
• AuthorMist: Evading AI Text Detectors with Reinforcement Learning [4.806579822134391]
  AuthorMistは、AI生成したテキストを人間ライクな文章に変換する、新しい強化学習ベースのシステムだ。 AuthorMistは,本来の意味を保ちながら,AI生成テキストの検出性を効果的に低減することを示す。
  論文  参考訳（メタデータ） (2025-03-10T12:41:05Z)
• SeqXGPT: Sentence-Level AI-Generated Text Detection [62.3792779440284]
  大規模言語モデル(LLM)を用いた文書の合成による文レベル検出の課題について紹介する。 次に,文レベルのAIGT検出機能として,ホワイトボックスLEMのログ確率リストを利用した textbfSequence textbfX (Check) textbfGPT を提案する。
  論文  参考訳（メタデータ） (2023-10-13T07:18:53Z)
• On the Possibilities of AI-Generated Text Detection [76.55825911221434]
  機械が生成するテキストが人間に近い品質を近似するにつれて、検出に必要なサンプルサイズが増大すると主張している。 GPT-2, GPT-3.5-Turbo, Llama, Llama-2-13B-Chat-HF, Llama-2-70B-Chat-HFなどの最先端テキストジェネレータをoBERTa-Large/Base-Detector, GPTZeroなどの検出器に対して試験した。
  論文  参考訳（メタデータ） (2023-04-10T17:47:39Z)
• Can AI-Generated Text be Reliably Detected? [50.95804851595018]
  大規模言語モデル(LLM)は、様々なアプリケーションで非常によく機能します。 盗作、偽ニュースの発生、スパムなどの活動においてこれらのモデルが誤用される可能性があることは、彼らの責任ある使用に対する懸念を引き起こしている。 我々は、攻撃者の存在下で、これらのAIテキスト検出装置の堅牢性を強調テストする。
  論文  参考訳（メタデータ） (2023-03-17T17:53:19Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。