論文の概要: Seeing the Poem: Image-Semantic Detection of AI-Generated Modern Chinese Poetry with MLLMs
- arxiv url: http://arxiv.org/abs/2605.22654v1
- Date: Thu, 21 May 2026 15:57:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-22 16:35:42.336769
- Title: Seeing the Poem: Image-Semantic Detection of AI-Generated Modern Chinese Poetry with MLLMs
- Title（参考訳）: 歌を観る:MLLMを用いたAI生成現代漢詩のイメージセマンティック検出
- Authors: Shanshan Wang, Fengying Ye, Hanjia Lyu, Caiwen Gou, Junchao Wu, Jingming Yao, Chengzhong Xu, Jiebo Luo, Derek F. Wong,
- Abstract要約: 従来, LLMを検知器として効果的に利用することは不可能であったが, これらの研究は漢詩に対処していない。
本稿では,現代漢詩の検知器としてLLMの性能を評価し,その向上を図るとともに,画像意味的指導による詩検出手法を提案する。
- 参考スコア（独自算出の注目度）: 71.29726278473758
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Previous detection studies have shown that LLMs cannot be effectively used as detectors, but these studies have not addressed modern Chinese poetry. Moreover, no relevant research has explored the performance of LLMs in detecting modern Chinese poetry. This paper evaluates and enhances the performance of LLMs as detectors for modern Chinese poetry, and proposes an image-semantic guided poetry detection method. Compared with traditional detection approaches, our method innovatively incorporates images that reflect the content of the poetry. Through example-driven approaches, our method effectively integrates information such as meaning, imagery, and feeling from the image, then forms a complementary judgment with the poem text. Experimental results demonstrate that the LLM detectors based on our method outperform baseline detectors based on plain text, and even surpass the best-performing traditional detector, RoBERTa. The Gemini detector using our method achieves a Macro-F1 score of 85.65%, reaching the state-of-the-art level. The performance improvements of different LLM detectors on multiple LLMs-generated data prove the effectiveness of our method.
- Abstract（参考訳）: 従来, LLMを検知器として効果的に利用することは不可能であったが, これらの研究は漢詩に対処していない。
また、現代漢詩の発見におけるLLMの性能について、関連する研究は行われていない。
本稿では,現代漢詩の検知器としてLLMの性能を評価し,その向上を図るとともに,画像意味的指導による詩検出手法を提案する。
従来の検出手法と比較して,本手法は詩の内容を反映した画像を革新的に取り入れている。
本手法は,サンプル駆動によるアプローチにより,意味やイメージ,イメージからの感覚などの情報を効果的に統合し,詩文と補完的な判断を行う。
実験の結果,本手法に基づくLCM検出器は,平文に基づくベースライン検出器よりも優れており,従来のRoBERTaよりも優れていた。
この手法を用いたジェミニ検出器は、マクロF1の85.65%のスコアを達成し、最先端レベルに達する。
複数のLLMデータに対する異なるLLM検出器の性能改善は,本手法の有効性を実証する。
関連論文リスト
- EnsemJudge: Enhancing Reliability in Chinese LLM-Generated Text Detection through Diverse Model Ensembles [16.37055946884028]
EnsemJudgeは中国語のLLM生成テキストを検出するための堅牢なフレームワークである。
NLPCC2025 Shared Task 1 で構築した中国語データセットを用いて,本システムの訓練と評価を行った。
論文 参考訳（メタデータ） (2026-03-30T01:50:46Z) - 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) - Benchmarking the Detection of LLMs-Generated Modern Chinese Poetry [37.86155340473244]
詩が人間に由来するかAIに由来するかを特定することは困難である。
本稿では,AIによる現代漢詩の検出のための新しいベンチマークを提案する。
論文 参考訳（メタデータ） (2025-09-01T17:01:45Z) - Your Language Model Can Secretly Write Like Humans: Contrastive Paraphrase Attacks on LLM-Generated Text Detectors [77.82885394684202]
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) - SEFD: Semantic-Enhanced Framework for Detecting LLM-Generated Text [12.639191350218528]
大規模言語モデル(LLM)生成テキスト(SEFD)を検出するための新しい意味強化フレームワークを提案する。
本フレームワークは,検索技術と従来の検出手法を体系的に統合することにより,既存の検出方法を改善する。
本稿では,オンラインフォーラムやQ&Aプラットフォームなど,現実のアプリケーションに共通するシーケンシャルテキストシナリオにおけるアプローチの有効性を示す。
論文 参考訳（メタデータ） (2024-11-17T20:13:30Z) - LLM-Detector: Improving AI-Generated Chinese Text Detection with
Open-Source LLM Instruction Tuning [4.328134379418151]
既存のAI生成テキスト検出モデルでは、ドメイン内のオーバーフィットが難しくなる。
LLM-Detectorは文書レベルと文レベルのテキスト検出のための新しい手法である。
論文 参考訳（メタデータ） (2024-02-02T05:54:12Z) - Red Teaming Language Model Detectors with Language Models [114.36392560711022]
大規模言語モデル(LLM)は、悪意のあるユーザによって悪用された場合、重大な安全性と倫理的リスクをもたらす。
近年,LLM生成テキストを検出し,LLMを保護するアルゴリズムが提案されている。
1) LLMの出力中の特定の単語を, 文脈が与えられたシノニムに置き換えること, 2) 生成者の書き方を変更するための指示プロンプトを自動で検索すること,である。
論文 参考訳（メタデータ） (2023-05-31T10:08:37Z) - MGTBench: Benchmarking Machine-Generated Text Detection [54.81446366272403]
本稿では,強力な大規模言語モデル(LLM)に対するMGT検出のための最初のベンチマークフレームワークを提案する。
一般に単語が多ければ多いほど性能が向上し,ほとんどの検出手法はトレーニングサンプルをはるかに少なくして同様の性能が得られることを示す。
本研究は, テキスト属性タスクにおいて, モデルに基づく検出手法が依然として有効であることを示す。
論文 参考訳（メタデータ） (2023-03-26T21:12:36Z)
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。