論文の概要: Detecting undisclosed LLM-generated content in parliamentary texts

• arxiv url: http://arxiv.org/abs/2606.14209v1
• Date: Fri, 12 Jun 2026 07:46:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-15 16:00:42.805066
• Title: Detecting undisclosed LLM-generated content in parliamentary texts
• Title（参考訳）: 議会文書中のLDM生成内容の検出
• Authors: Minerva Suvanto, Andrea McGlinchey, Peter J. Barclay, Mattias Wahde,
• Abstract要約: 我々は、イギリスとスウェーデンの議会のテキストにおいて、LLM生成コンテンツが開示されていない範囲を評価した。 ジャーナリズムや学術論文など、多くの分野において、LLMのようなAIツールが使われているかどうかを明確に示す必要がしばしばある。 議会文書の場合、AI使用の開示に関するガイドラインはより曖昧である。
• 参考スコア（独自算出の注目度）: 0.20999222360659608
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this paper, we evaluate the extent of undisclosed LLM-generated content in texts from the parliaments of the United Kingdom and Sweden. In many areas, such as in journalism or in academic writing, there are often requirements to clearly disclose whether AI tools, such as LLMs, have been used. In the case of parliamentary texts, the guidelines on disclosure of AI use are more vague. However, in order to maintain transparency and retain public trust, it is generally recommended that parliamentarians should state whether or not they have used AI when writing texts, such as parliamentary motions. Here, we train an interpretable (glass-box) text classifier using pre-LLM parliamentary texts and LLM-generated versions of such texts. We then apply the classifier to a test set containing recent parliamentary texts, finding a steady increase in undisclosed LLM use, in both parliaments, from 2022 onwards.
• Abstract（参考訳）: 本稿では,イギリスとスウェーデンの議会のテキストにおけるLLM生成内容の公開範囲について検討する。 ジャーナリズムや学術論文など、多くの分野において、LLMのようなAIツールが使われているかどうかを明確に示す必要がしばしばある。 議会文書の場合、AI使用の開示に関するガイドラインはより曖昧である。 しかし、透明性を維持し、公的な信頼を維持するために、国会議員は、議会の動きのようなテキストを書く際にAIを使用したかどうかを述べることが一般的に推奨されている。 ここでは,LLM前の議会文書とLCM生成版を用いて,解釈可能な(グラスボックス)テキスト分類器を訓練する。 次に,2022年以降の両議会におけるLDM使用が着実に増加していることを確認するため,近年の議会文書を含むテストセットに分類器を適用した。

関連論文リスト

• On the Detectability of LLM-Generated Text: What Exactly Is LLM-Generated Text? [8.484462568964682]
  ターゲットの一貫性や正確な定義、すなわち「LLM生成テキスト」は存在しない。 一般的に検出対象と見なされるものは、通常、LLMが生成可能なテキストのサブセットのみを表す。 既存のベンチマークと評価アプローチは、実世界の検出器応用における様々な条件に適切に対応していない。
  論文  参考訳（メタデータ） (2025-10-23T17:59:06Z)
• The Double-edged Sword of LLM-based Data Reconstruction: Understanding and Mitigating Contextual Vulnerability in Word-level Differential Privacy Text Sanitization [53.51921540246166]
  我々は,言語大モデル (LLM) がDP対応テキストの文脈的脆弱性を活用可能であることを示す。 LLM再建の二重刃剣効果がプライバシーと実用性に与える影響を実験的に明らかにした。 本稿では,データ再構成を後処理のステップとして使用するための推奨事項を提案する。
  論文  参考訳（メタデータ） (2025-08-26T12:22:45Z)
• 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)
• Positioning Political Texts with Large Language Models by Asking and Averaging [0.0]
  政治文書のツイートや文がどこにあるのかを LLM に問う。 専門家、クラウドワーカー、ロールコール投票によるテキストコーディングに基づく最高のLCMとベンチマークで得られた位置推定値の相関は、90を超えている。 方針空間やイデオロギー空間におけるテキストの配置は、たとえテキストが短く、異なる言語で書かれたとしても、高速で、費用効率が高く、信頼性が高く、再現可能である(オープンなLLMの場合)。
  論文  参考訳（メタデータ） (2023-11-28T09:45:02Z)
• 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)
• MAGE: Machine-generated Text Detection in the Wild [82.70561073277801]
  大規模言語モデル(LLM)は人間レベルのテキスト生成を実現し、効果的なAI生成テキスト検出の必要性を強調している。 我々は、異なるLLMによって生成される多様な人文やテキストからテキストを収集することで、包括的なテストベッドを構築する。 問題にもかかわらず、トップパフォーマンス検出器は、新しいLCMによって生成された86.54%のドメイン外のテキストを識別することができ、アプリケーションシナリオの実現可能性を示している。
  論文  参考訳（メタデータ） (2023-05-22T17:13:29Z)
• 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。