Fugu-MT 論文翻訳(概要): T5-CSBoost: Adversarial Perturbation Resistant LLM Fingerprinting

論文の概要: T5-CSBoost: Adversarial Perturbation Resistant LLM Fingerprinting

arxiv url: http://arxiv.org/abs/2607.14113v1
Date: Fri, 08 May 2026 08:03:47 GMT
ステータス: 翻訳完了
システム内更新日: 2026-07-27 00:46:13.012273
Title: T5-CSBoost: Adversarial Perturbation Resistant LLM Fingerprinting
Title（参考訳）: T5-CSBoost:対向摂動抵抗型LDMフィンガープリント
Abstract要約: T5-CSBoostはT5-Sentinelフレームワークの拡張であり、ソース属性に対する最初の次点の予測を維持しながら、デコーダの埋め込みよりも補助的なマージンベースの三重項損失を導入している。 T5-CSBoostはOpenLLMTextとHC3Tベンチマークで最先端のマルチクラスソース属性とバイナリヒューマンvs-LLM検出を実現している。
参考スコア（独自算出の注目度）: 12.060053394320725
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: While many AI-generated text (AIGT) detectors achieve strong performance on clean inputs, their accuracy degrades significantly under light paraphrasing, word substitutions, character edits, and distribution shifts. We present T5 Contrastive Style Boosted Classifier (T5-CSBoost), an extension to the T5-Sentinel framework that keeps the original next-token prediction objective for source attribution while introducing an auxiliary margin-based triplet loss over decoder embeddings. This contrastive style regularization encourages the learning of compact, perturbation-resistant stylistic representations, offering a lightweight yet effective alternative to prior approaches that rely on architectural modifications, adversarial training, or complex multi-task objectives without altering the underlying T5-small backbone. T5-CSBoost achieves state-of-the-art multiclass source attribution and binary human-vs-LLM detection on OpenLLMText and HC3 AIGT benchmarks. More importantly, T5-CSBoost demonstrates enhanced robustness to word and character level adversarial perturbations of up to 90% intensity, achieving state-of-the-art on the challenging MAGE/Deepfake stress-test suite, including unseen models, unseen domains, and extreme paraphrasing scenarios. Our results highlight that explicitly regularizing stylistic embeddings via contrastive learning is a practical and effective strategy for building more robust LLM fingerprinting systems in real-world adversarial settings.
Abstract（参考訳）: 多くのAI生成テキスト(AIGT)検出器はクリーンな入力に対して高い性能を達成するが、その精度は光パラフレーズ、単語置換、文字編集、分散シフトの下で著しく低下する。本稿では,T5-CSBoost(Contrastive Style Boosted Classifier, T5-CSBoost)を提案する。この対照的なスタイルの正規化は、コンパクトで摂動に抵抗するスタイル表現の学習を促進し、基礎となるT5小のバックボーンを変更することなく、アーキテクチャの変更、敵の訓練、複雑なマルチタスクの目的に依存する、従来のアプローチの軽量で効果的な代替手段を提供する。 T5-CSBoostはOpenLLMTextとHC3 AIGTベンチマークで最先端のマルチクラスソース属性とバイナリヒューマンvs-LLM検出を実現する。さらに重要なのは、T5-CSBoostは、単語と文字レベルの対立摂動を最大90%の強度で強化し、見えないモデル、見えないドメイン、極端なパラフレーズのシナリオを含む、挑戦的なMAGE/Deepfakeストレステストスイートで最先端を達成していることだ。提案手法は,より堅牢なLDMフィンガープリントシステムを構築するための実用的かつ効果的な手法である。

関連論文リスト

Build it, Break it, Repeat: Benchmarking and improving LLM-manipulated disinformation detection in social media posts [5.771687318105755]
この記事はBuild it, Break it, Fix it framework into Build, Break it, Repeat (BiBiR)に適合する。 BiBiR: 反復対向条件下で検出器の堅牢性をストレステストするために設計された反復セッション。その結果、最高の逆転ブレーカーの変換は、バックトランスレーションとペルソナベースの書き換えの組み合わせによるものであることが判明した。
論文参考訳（メタデータ） (2026-08-10T12:13:41Z)
ARM: An AutoRegressive Large Multimodal Model with Unified Discrete Representations [84.45092853572407]
ARMは、画像の理解、生成、編集を統一する表現ベースのAutoRegressive Modelである。我々のトークンライザは、意味的識別性、言語アライメント、忠実な再構築を共同で促進する複数の目的で管理されている。最後に、ARMは、視覚的品質、命令順守、編集一貫性といったタスクレベルの目標を最適化するために強化学習を適用している。
論文参考訳（メタデータ） (2026-06-09T17:59:28Z)
DSIPA: Detecting LLM-Generated Texts via Sentiment-Invariant Patterns Divergence Analysis [13.9689104714669]
DSIPAは、制御されたスタイル変化の下で感情分布の安定性を定量化することにより、大規模言語モデル(LLM)コンテンツを検出する、トレーニング不要のフレームワークである。ゼロショットのブラックボックス方式で動作し、2つの教師なしメトリクス、感情分布の一貫性と感情分布の保存を活用する。本フレームワークは, ドメイン間の高度な一般化性と, 敵条件に対する強いレジリエンスを示す。
論文参考訳（メタデータ） (2026-04-29T06:22:08Z)
DeepSeek Robustness Against Semantic-Character Dual-Space Mutated Prompt Injection [45.67420390185547]
本稿では,プロンプトインジェクションに対するロバスト性を評価するためのセマンティックキャラクタであるPromptFuzz-SCを提案する。 Epsilon-greedy 探索とヒルクライミングの改良を組み合わせたハイブリッド探索手法を採用し,高品質な対向プロンプトを効率的に発見する。 DeepSeekの実験結果によると、二重空間変異は攻撃性能が最強であることが示されている。
論文参考訳（メタデータ） (2026-04-14T10:20:15Z)
Dynamic Adaptive Attention and Supervised Contrastive Learning: A Novel Hybrid Framework for Text Sentiment Classification [6.958199264310534]
本稿では,動的適応型マルチヘッドアテンションと教師付きコントラスト学習をシームレスに統合するハイブリッドフレームワークをBERTベースのTransformer Encoderに提案する。 IMDBデータセットの実験では、提案されたモデルの競争性能は94.67%で、強いベースラインを1.5-2.5ポイント上回っている。
論文参考訳（メタデータ） (2026-04-12T04:55:10Z)
OmniVL-Guard: Towards Unified Vision-Language Forgery Detection and Grounding via Balanced RL [63.388513841293616]
既存の偽造検出手法は、現実世界の誤報に多いインターリーブされたテキスト、画像、ビデオを扱うのに失敗する。このギャップを埋めるため,本論文では,オムニバス・ビジョン言語による偽造検出と接地のための統一フレームワークの開発を目標としている。我々は、OmniVL-Guardという、オムニバス視覚言語による偽造検出と接地のためのバランスの取れた強化学習フレームワークを提案する。
論文参考訳（メタデータ） (2026-02-11T09:41:36Z)
MDiff4STR: Mask Diffusion Model for Scene Text Recognition [59.79818820650126]
Mask Diffusion Models (MDM) は、視覚言語タスクのための自動回帰モデル (ARM) に代わる有望な代替品として登場した。我々は,認識効率は向上するが,バニラMDMがARMに遅れていることを示す。シーンテキスト認識に適した2つの重要な改善戦略を備えたマスク拡散モデルMDiff4STRを提案する。
論文参考訳（メタデータ） (2025-12-01T08:57:51Z)
VERA-V: Variational Inference Framework for Jailbreaking Vision-Language Models [19.867040067010674]
本稿では,マルチモーダルなジェイルブレイク発見を,ペア化されたテキストイメージプロンプト上での連立後続分布学習として再放送する変分推論フレームワークVERA-Vを紹介する。我々は、後方に近づいた軽量攻撃者を訓練し、多様なジェイルブレイクの効率的なサンプリングを可能にした。 HarmBenchとHADESベンチマークの実験では、VERA-Vは最先端のベースラインを一貫して上回っている。
論文参考訳（メタデータ） (2025-10-20T17:12:10Z)
Perception-Consistency Multimodal Large Language Models Reasoning via Caption-Regularized Policy Optimization [72.30168853571216]
マルチモーダルな言語モデルは、視覚知覚と象徴的推論を統合するタスクに優れています。 CapPO は,(1) 原画像上の条件付き応答とキャプション上の条件付き応答のばらつきを最小限に抑えるキャプションベース整合性正規化,(2) KL 重み付き優位性推定スキームを適応的に拡張して知覚整合性トラジェクトリを強化するキャプションベース整合性正規化という2つの重要なメカニズムを統合した。
論文参考訳（メタデータ） (2025-09-26T04:32:26Z)
Robust Anti-Backdoor Instruction Tuning in LVLMs [53.766434746801366]
大規模視覚言語モデル(LVLM)のための軽量で認証に依存しない防御フレームワークについて紹介する。私たちのフレームワークは、命令チューニングの下で、アダプタモジュールとテキスト埋め込み層のみを微調整します。 Flickr30kとMSCOCOに対する7つの攻撃に対する実験は、我々の攻撃の成功率をほぼゼロに低下させることを示した。
論文参考訳（メタデータ） (2025-06-04T01:23:35Z)
Adversarial Robustness through Dynamic Ensemble Learning [0.0]
敵対的攻撃は、事前訓練された言語モデル(PLM)の信頼性に重大な脅威をもたらす本稿では,このような攻撃に対するPLMの堅牢性を高めるための新しいスキームであるDynamic Ensemble Learning (ARDEL) による対逆ロバスト性について述べる。
論文参考訳（メタデータ） (2024-12-20T05:36:19Z)
MrT5: Dynamic Token Merging for Efficient Byte-level Language Models [50.46453950887946]
この研究は、より効率的なByT5の変種であるMrT5(MergeT5)を導入し、トークン削除機構をエンコーダに統合し、入力シーケンスの長さを動的に短縮する。 MrT5は、削除されたトークンから重要な情報をよりコンパクトなシーケンスに"マージ"し、残りのトークンからコンテキスト情報を活用する。 MrT5は、XNLI、TyDi QA、文字レベルのタスクなどの下流評価ではByT5に匹敵する精度を示し、シーケンス長を最大75%削減する。
論文参考訳（メタデータ） (2024-10-28T06:14:12Z)

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。