論文の概要: Unsupervised Style Representation Learning for AI-Text Detection via Paraphrase Inversion

• arxiv url: http://arxiv.org/abs/2606.10099v1
• Date: Mon, 08 Jun 2026 19:28:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-10 15:40:58.155894
• Title: Unsupervised Style Representation Learning for AI-Text Detection via Paraphrase Inversion
• Title（参考訳）: パラフレーズインバージョンを用いたAIテキスト検出のための教師なしスタイル表現学習
• Authors: Rafael Rivera Soto, Barry Chen, Nicholas Andrews,
• Abstract要約: 我々は、その機械生成パラフレーズから人間によるテキストを再構築するスタイルエンコーダを訓練する。 学習した表現を2つの検出戦略により評価する: 数発の検知器と0発のDeepSVDDベースの検出器である。
• 参考スコア（独自算出の注目度）: 5.789169343514737
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The rapid development of large language models (LLMs) has raised concerns about misuse such as plagiarism, misinformation, and automated influence operations, motivating the need for robust detectors. Recent work has shown that neural representations of writing style are effective for detection and, crucially, robust to adversarial attacks that defeat most existing detectors. However, current style-based detectors rely on authorship labels for training, and are limited to few-shot inference for detection, requiring in-distribution samples that may not always be available. We learn discriminative style features without authorship labels by training a style encoder to reconstruct human-authored text from its machine-generated paraphrase; freezing a semantic encoder during training biases the style encoder to capture only the non-semantic features needed for reconstruction. We evaluate the learned representations via two detection strategies: a few-shot detector and a zero-shot DeepSVDD-based detector. Across benchmarks, our method matches or outperforms all baselines in the few-shot setting and, in the zero-shot regime, is competitive with fully supervised classifiers on in-distribution test data while generalizing better to unseen LLMs. Beyond detection, the learned representations generalize to unseen tasks, achieving competitive performance on authorship verification and fine-grained style discrimination despite never being trained on either objective.
• Abstract（参考訳）: 大規模言語モデル(LLM)の急速な発展は、盗作、誤情報、自動影響操作などの誤用を懸念し、堅牢な検出器の必要性を動機付けている。 近年の研究では、筆記スタイルの神経表現が検出に有効であること、そして重要なことに、既存のほとんどの検出器を倒す敵の攻撃に対して堅牢であることが示されている。 しかし、現在のスタイルベースの検出器は、トレーニングには著者ラベルに依存しており、検出には数発の推論に限られており、常に利用できるとは限らない分布内サンプルを必要とする。 著者ラベルを使わずに識別可能なスタイルの特徴を学習し、その機械学習パラフレーズから人文を再構成するスタイルエンコーダを訓練し、トレーニング中に意味的エンコーダを凍結することで、復元に必要な非意味的特徴のみをキャプチャするスタイルエンコーダをバイアスする。 学習した表現を2つの検出戦略により評価する: 数発の検知器と0発のDeepSVDDベースの検出器である。 ベンチマーク全体において,本手法は数ショット設定で全てのベースラインに一致または性能を向上し,ゼロショット方式では,分布内テストデータ上で完全に教師付き分類器と競合する一方で,未知のLCMよりも優れた一般化を行う。 学習された表現は、検出以外にも、未確認のタスクに一般化し、著者の検証と細かなスタイルの識別において、どちらの目的にも訓練されないにもかかわらず、競争的なパフォーマンスを達成する。

関連論文リスト

• PADBen: A Comprehensive Benchmark for Evaluating AI Text Detectors Against Paraphrase Attacks [2.540711742769252]
  そこで本研究では,AIGT識別のために設計された検出システムに対して,繰り返しパラメタしたテキストが回避される理由について検討する。 パラフレーズ攻撃シナリオに対する検出ロバスト性を系統的に評価した最初のベンチマークであるPADBenを紹介する。
  論文  参考訳（メタデータ） (2025-11-01T05:59:46Z)
• 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)
• DetectRL: Benchmarking LLM-Generated Text Detection in Real-World Scenarios [38.952481877244644]
  我々は,最新技術(SOTA)検出技術でさえも,このタスクにおいてまだ性能が劣っていることを強調した新しいベンチマークであるTectorRLを提案する。 人気のある大規模言語モデル(LLM)を使用して、実世界のアプリケーションとの整合性を向上するデータを生成しました。 我々は,書式,モデルタイプ,攻撃方法,テキストの長さ,および実世界の人間の筆記因子が,さまざまな種類の検知器に与える影響について分析した。
  論文  参考訳（メタデータ） (2024-10-31T09:01:25Z)
• 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)
• Detection of Adversarial Supports in Few-shot Classifiers Using Feature Preserving Autoencoders and Self-Similarity [89.26308254637702]
  敵対的なサポートセットを強調するための検出戦略を提案する。 我々は,特徴保存型オートエンコーダフィルタリングと,この検出を行うサポートセットの自己相似性の概念を利用する。 提案手法は攻撃非依存であり, 最善の知識まで, 数発分類器の検出を探索する最初の方法である。
  論文  参考訳（メタデータ） (2020-12-09T14:13:41Z)

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。