論文の概要: NOTAI.AI: Explainable Detection of Machine-Generated Text via Curvature and Feature Attribution
- arxiv url: http://arxiv.org/abs/2603.05617v1
- Date: Thu, 05 Mar 2026 19:19:12 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-09 13:17:44.386801
- Title: NOTAI.AI: Explainable Detection of Machine-Generated Text via Curvature and Feature Attribution
- Title（参考訳）: NOTAI.AI: 曲率と特徴属性による機械生成テキストの説明可能な検出
- Authors: Oleksandr Marchenko Breneur, Adelaide Danilov, Aria Nourbakhsh, Salima Lamsiyah,
- Abstract要約: NOTAI.AIは、機械生成テキスト検出のための説明可能なフレームワークである。
このシステムは、条件付き確率曲線、ModernBERT検出器スコア、可読性測定値、およびテクスチャ的手がかりを含む17の解釈可能な特徴を組み合わせている。
このシステムは、リアルタイム分析、視覚的特徴検査、構造化された証拠提示をサポートするインタラクティブなWebアプリケーションとしてデプロイされる。
- 参考スコア（独自算出の注目度）: 13.923849468280425
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present NOTAI.AI, an explainable framework for machine-generated text detection that extends Fast-DetectGPT by integrating curvature-based signals with neural and stylometric features in a supervised setting. The system combines 17 interpretable features, including Conditional Probability Curvature, ModernBERT detector score, readability metrics, and stylometric cues, within a gradient-boosted tree (XGBoost) meta-classifier to determine whether a text is human- or AI-generated. Furthermore, NOTAI.AI applies Shapley Additive Explanations (SHAP) to provide both local and global feature-level attribution. These attributions are further translated into structured natural-language rationales through an LLM-based explanation layer, which enables user-facing interpretability. The system is deployed as an interactive web application that supports real-time analysis, visual feature inspection, and structured evidence presentation. A web interface allows users to input text and inspect how neural and statistical signals influence the final decision. The source code and demo video are publicly available to support reproducibility.
- Abstract（参考訳）: 本報告では,高速デテクストGPT(Fast-DetectGPT)を拡張した機械生成テキスト検出フレームワークであるNOTAI.AIについて述べる。
このシステムは、条件付き確率曲線、ModernBERT検出器スコア、可読性メトリクス、およびテクスチャ的手がかりを含む17の解釈可能な特徴を組み合わせる。
さらに、NOTAI.AIはShapley Additive Explanations (SHAP)を適用して、ローカルおよびグローバルな機能レベルの属性を提供する。
これらの属性は、LLMに基づく説明層を通じて構造化された自然言語論理に変換される。
このシステムは、リアルタイム分析、視覚的特徴検査、構造化された証拠提示をサポートするインタラクティブなWebアプリケーションとしてデプロイされる。
Webインターフェースにより、ユーザはテキストを入力し、神経信号と統計信号が最終決定にどう影響するかを検査することができる。
ソースコードとデモビデオは、再現性をサポートするために公開されている。
関連論文リスト
- Control Reinforcement Learning: Interpretable Token-Level Steering of LLMs via Sparse Autoencoder Features [1.5874067490843806]
Control Reinforcement Learningは、各トークンでステアリングするためのSAE機能を選択するポリシーをトレーニングし、解釈可能な介入ログを生成する。
Adaptive Feature Maskingは、単一機能解釈性を維持しながら、多様な機能発見を促進する。
MMLU、BBQ、GSM8K、HarmBench、XSTestにわたるGemma 2Bでは、CRLは、トークン単位の介入ログを提供しながら改善されている。
論文 参考訳（メタデータ） (2026-02-11T02:28:49Z) - Text2Graph VPR: A Text-to-Graph Expert System for Explainable Place Recognition in Changing Environments [0.0]
Text2Graph VPRは、画像シーケンスをテキストシーン記述に変換する。
シーングラフはオブジェクト、属性、ペア関係をキャプチャする。
厳格な外見変化下での頑健な検索を実証した。
論文 参考訳（メタデータ） (2025-12-21T06:16:20Z) - Diversity Boosts AI-Generated Text Detection [51.56484100374058]
DivEyeは、予備的な機能を使って、予測不可能がテキスト間でどのように変動するかをキャプチャする、新しいフレームワークである。
提案手法は、既存のゼロショット検出器を最大33.2%向上させ、微調整ベースラインとの競合性能を達成する。
論文 参考訳（メタデータ） (2025-09-23T10:21:22Z) - LATex: Leveraging Attribute-based Text Knowledge for Aerial-Ground Person Re-Identification [78.73711446918814]
我々は,属性ベースのテキスト知識を活用するために,アクシデントチューニング戦略を採用した,AG-ReIDのためのLATexという新しいフレームワークを提案する。
我々のフレームワークは属性ベースのテキスト知識をフル活用してAGReIDの性能を向上させることができる。
論文 参考訳（メタデータ） (2025-03-31T04:47:05Z) - SHAPE-IT: Exploring Text-to-Shape-Display for Generative Shape-Changing Behaviors with LLMs [12.235304780960142]
本稿では,自然言語コマンドによるピン型形状変化を動的に生成する新しい手法であるテキスト・トゥ・シェイプ・ディスプレイを提案する。
大規模言語モデル(LLM)とAIチェーンを利用することで、ユーザはプログラミングなしでテキストプロンプトを通じて、要求に応じて形状を変える動作を記述できる。
論文 参考訳（メタデータ） (2024-09-10T04:18:49Z) - TextFormer: A Query-based End-to-End Text Spotter with Mixed Supervision [61.186488081379]
Transformerアーキテクチャを用いた問合せベースのエンドツーエンドテキストスポッターであるTextFormerを提案する。
TextFormerは、画像エンコーダとテキストデコーダの上に構築され、マルチタスクモデリングのための共同セマンティック理解を学ぶ。
分類、セグメンテーション、認識のブランチの相互訓練と最適化を可能にし、より深い特徴共有をもたらす。
論文 参考訳（メタデータ） (2023-06-06T03:37:41Z)
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。