論文の概要: Beyond the Final Actor: Modeling the Dual Roles of Creator and Editor for Fine-Grained LLM-Generated Text Detection

• arxiv url: http://arxiv.org/abs/2604.04932v1
• Date: Mon, 06 Apr 2026 17:59:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-07 15:49:19.339323
• Title: Beyond the Final Actor: Modeling the Dual Roles of Creator and Editor for Fine-Grained LLM-Generated Text Detection
• Title（参考訳）: 最終アクターを超えて:細粒化LDMテキスト検出のためのクリエータとエディターのデュアルロールをモデル化する
• Authors: Yang Li, Qiang Sheng, Zhengjia Wang, Yehan Yang, Danding Wang, Juan Cao,
• Abstract要約: RACE(Rhetorical Analysis for Creator-Editor Modeling)は、クリエータとエディタの異なるシグネチャを特徴付ける、きめ細かい検出方法である。 実験により、RASは偽アラームの少ないきめ細かい型を識別する際、12の基準線より優れていることが示された。
• 参考スコア（独自算出の注目度）: 15.665001751819945
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The misuse of large language models (LLMs) requires precise detection of synthetic text. Existing works mainly follow binary or ternary classification settings, which can only distinguish pure human/LLM text or collaborative text at best. This remains insufficient for the nuanced regulation, as the LLM-polished human text and humanized LLM text often trigger different policy consequences. In this paper, we explore fine-grained LLM-generated text detection under a rigorous four-class setting. To handle such complexities, we propose RACE (Rhetorical Analysis for Creator-Editor Modeling), a fine-grained detection method that characterizes the distinct signatures of creator and editor. Specifically, RACE utilizes Rhetorical Structure Theory to construct a logic graph for the creator's foundation while extracting Elementary Discourse Unit-level features for the editor's style. Experiments show that RACE outperforms 12 baselines in identifying fine-grained types with low false alarms, offering a policy-aligned solution for LLM regulation.
• Abstract（参考訳）: 大きな言語モデル(LLM)の誤用は、合成テキストの正確な検出を必要とする。 既存の作業は、主にバイナリまたは3段階の分類設定に従っており、純粋な人間/LLMテキストやコラボレーションテキストを区別するだけである。 LLMをポリケートした人文と人間化された人文は、しばしば異なる政策結果を引き起こすため、これはニュアンスド・レギュレーションには不十分である。 本稿では,厳密な4クラス設定下での細粒度LLMテキストの検出について検討する。 このような複雑さに対処するため,著者と編集者の異なる署名を特徴付ける細粒度検出法であるRAS(Rhetorical Analysis for Creator-Editor Modeling)を提案する。 具体的には、RACEはRhetorical Structure Theoryを用いて作者の基盤のための論理グラフを構築し、編集者のスタイルのための初等談話単位レベルの特徴を抽出する。 実験の結果、RASは12のベースラインで偽アラームの少ないきめ細かい型を識別し、LCM規制のポリシーに適合したソリューションを提供することがわかった。

関連論文リスト

• SearchLLM: Detecting LLM Paraphrased Text by Measuring the Similarity with Regeneration of the Candidate Source via Search Engine [1.7926082278255862]
  SearchLLMは検索エンジン機能を使って、潜在的にオリジナルテキストソースを見つける。 SearchLLMは、LLMパラフレーズテキストの検出において、最近の検出器の精度を一貫して向上させる。
  論文  参考訳（メタデータ） (2026-01-23T07:18:30Z)
• Idiosyncrasies in Large Language Models [54.26923012617675]
  大規模言語モデル(LLM)における慣用句の公開と研究 LLM生成テキストへの微調整テキスト埋め込みモデルにより,優れた分類精度が得られることがわかった。 我々はLLMを審査員として利用し、各モデルの慣用句の詳細かつオープンな記述を生成する。
  論文  参考訳（メタデータ） (2025-02-17T18:59:02Z)
• Unveiling Large Language Models Generated Texts: A Multi-Level Fine-Grained Detection Framework [9.976099891796784]
  大型言語モデル (LLM) は文法の修正、内容の拡張、文体の改良によって人間の書き方を変えてきた。 既存の検出方法は、主に単一機能分析とバイナリ分類に依存しているが、学術的文脈においてLLM生成テキストを効果的に識別することができないことが多い。 低レベル構造, 高レベル意味, 深層言語的特徴を統合することで, LLM生成テキストを検出する多レベルきめ細粒度検出フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-10-18T07:25:00Z)
• ReMoDetect: Reward Models Recognize Aligned LLM's Generations [55.06804460642062]
  大型言語モデル (LLM) は人間の好むテキストを生成する。 本稿では,これらのモデルで共有される共通特性について述べる。 報奨モデルの検出能力をさらに向上する2つのトレーニング手法を提案する。
  論文  参考訳（メタデータ） (2024-05-27T17:38:33Z)
• Who Wrote This? The Key to Zero-Shot LLM-Generated Text Detection Is GECScore [51.65730053591696]
  我々は,人文テキストがLLM生成テキストよりも文法的誤りを多く含んでいるという観察に基づく,シンプルで効果的なブラックボックスゼロショット検出手法を提案する。 実験結果から,本手法はゼロショット法や教師あり手法よりも優れていることがわかった。
  論文  参考訳（メタデータ） (2024-05-07T12:57:01Z)
• DPIC: Decoupling Prompt and Intrinsic Characteristics for LLM Generated Text Detection [56.513637720967566]
  大規模言語モデル(LLM)は、盗作、eコマースプラットフォームへの偽レビューの設置、炎症性偽ツイートなどの誤用のリスクを引き起こすテキストを生成することができる。 既存の高品質な検出手法では、本質的な特徴を抽出するために、モデルの内部にアクセスする必要がある。 ブラックボックスモデル生成テキストの深い内在特性を抽出する。
  論文  参考訳（メタデータ） (2023-05-21T17:26:16Z)

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。