論文の概要: DeBERTa-Sentinel: Toward Transparent and Trustworthy Detection of AI-Generated Text

• arxiv url: http://arxiv.org/abs/2608.01046v1
• Date: Sun, 02 Aug 2026 07:08:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-04 15:07:25.07181
• Title: DeBERTa-Sentinel: Toward Transparent and Trustworthy Detection of AI-Generated Text
• Title（参考訳）: DeBERTa-Sentinel:AI生成テキストの透明で信頼性の高い検出を目指して
• Abstract要約: この研究は、責任あるAI生成テキスト検出フレームワークであるDeBERTa-Sentinelを紹介している。 ブラックボックスの商用検出器とは異なり、DeBERTa-Sentinelはその決定についてトークンレベルの説明を公開している。 DeBERTa-Sentinelは98.21%の精度で、NeurIPS 2025のRoBERTa-Sentinelベースラインを超えている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The rapid spread of large language models (LLMs) across the web raises concerns about misinformation, academic integrity, automated content manipulation, and risks to vulnerable online communities. Existing transformer-based detectors, such as GPT-Sentinel, show promise but struggle to generalize to diverse model outputs and paraphrasing attacks, limiting their role in building trustworthy web ecosystems. This work introduces DeBERTa-Sentinel, a responsible AI-generated text detection framework leveraging DeBERTa-v3's disentangled attention to capture subtle structural irregularities in synthetic content. A central design principle is transparency: unlike black-box commercial detectors, DeBERTa-Sentinel exposes token-level explanations of its decisions, enabling affected stakeholders journalists, educators, and platform trust and safety teams to audit, challenge, and contextualize detection outcomes. Using the GLC-AIText dataset of 28,057 human and LLM-generated samples (GPT, LLaMA, and Claude) with a 60-20-20 split, DeBERTa-Sentinel achieves 98.21\% validation accuracy and surpasses the RoBERTa-Sentinel baseline from NeurIPS 2025, achieving 97.53\% test accuracy, 95.89\% precision, 99.33\% recall, and 99.53\% ROC-AUC, and maintaining a 0.665\% false negative rate. The model's interpretability reveals linguistic markers such as academic phrasing and formal transitions associated with synthetic text, directly supporting stakeholder needs for verifiable, auditable content-authenticity decisions. By advancing responsible detection methods that reduce bias and enhance explainability, DeBERTa-Sentinel promotes trustworthy, ethical, and human-centric AI systems. Code and data are available at https://github.com/Galileo-Galili/HUMAN-VS-AI-TEXT-DETECTION.
• Abstract（参考訳）: 大規模な言語モデル(LLM)がWeb全体に急速に普及したことで、誤情報、学術的整合性、自動コンテンツ操作、脆弱なオンラインコミュニティへのリスクへの懸念が高まっている。 GPT-Sentinelのような既存のトランスフォーマーベースの検出器は、将来性を示すが、様々なモデル出力やパラフレーズ攻撃への一般化に苦慮し、信頼できるWebエコシステムの構築における彼らの役割を制限している。 この研究は、DeBERTa-v3の歪んだ注意を生かしたAI生成テキスト検出フレームワークであるDeBERTa-Sentinelを導入し、合成コンテンツの微妙な構造的不規則を捉える。 ブラックボックスの商用検出器とは異なり、DeBERTa-Sentinelはトークンレベルの決定説明を公開し、影響を受ける利害関係者のジャーナリスト、教育者、プラットフォーム信頼と安全チームが検出結果の監査、挑戦、コンテキスト化を可能にする。 28,057人のGLC-AITextデータセット(GPT, LLaMA, Claude)と60-20-20の分割で、DeBERTa-Sentinelは98.21\%の検証精度を達成し、NeurIPS 2025からRoBERTa-Sentinelベースラインを越え、97.53\%のテスト精度、95.89\%の精度、99.33\%のリコール、99.53\%のROC-AUCを達成している。 このモデルの解釈性は、学術的な言い回しや、合成テキストに関連する形式的遷移のような言語的マーカーを明らかにする。 DeBERTa-Sentinelは、バイアスを低減し、説明可能性を高める責任のある検出方法を進めることで、信頼できる、倫理的で、人間中心のAIシステムを促進する。 コードとデータはhttps://github.com/Galileo-Galili/HUMAN-VS-AI-TEXT-DETECTIONで公開されている。

関連論文リスト

• Self-Verifying Anomaly Detection using Explainable AI for Cybersecurity of DER Networks [0.0]
  本稿では,分散エネルギー資源(DER)ネットワークに適したXAIに基づく異常検出フレームワークを提案する。 提案するフレームワークでは,ADS警告を検証する自己検証機構を使用して,信頼性の高い意思決定を実現する。 現実的なDNP3データセットの実験では、98%以上の検出精度、平均的なルール-SHAP一貫性44.6%、SHAPレイテンシ14.5ms/アラート、信頼性偏差5%を達成している。
  論文  参考訳（メタデータ） (2026-09-11T00:19:59Z)
• AI Slop and Hallucinations in Vulnerability Assessment: A Survey on Reasoning Failures and Trustworthy Mitigation [48.55515767840701]
  AIスロープ(AI slop)は、アーティファクト、幻覚的脆弱性、可視だが正しくないパッチ、セマンティックに再パッケージされたバグレポートである。 本稿では,実証的証拠を調査し,統一メカニズムを特定し,信頼に値するトリアージへの道筋をたどる。
  論文  参考訳（メタデータ） (2026-08-26T11:48:38Z)
• Trustworthy RAG: An Evaluation Agent for Detecting Misinformation and Knowledge Poisoning in Generative AI Systems [1.7327102304628392]
  Retrieval-Augmented Generation (RAG) は、Large Language Model (LLM) を外部知識で出力する。 本稿では,自然言語推論(NLI)の事実検証,関連性重み付けによる5信号毒素検出,信頼指数T = 0.4 F + 0.35 C + 0.25 (1 - P) を組み合わせた評価エージェントを提案する。 Llama 3.3 70BのTrathfulQAでは、エージェントは91%の精度と100%の精度に達し、インストラクションインジェクションで100%リコールされる。
  論文  参考訳（メタデータ） (2026-08-21T13:42:41Z)
• Cybersecurity Detection Classification with Reasoning-enabled Language Models [50.72675435043546]
  セキュリティオペレーションセンター(SOC)の大きな問題は、警告疲労である。 以前の作業では、大きな言語モデル(LLM)がトリアージラベルを直接出力するように促すか、あるいは微調整するが、検出が真の脅威であるかどうかを判断するよう訓練することはない。 我々は、実際の人間ラベルのWindowsエンドポイント検出に対して、推論可能なトリアージ分類器(CoT)を訓練する。
  論文  参考訳（メタデータ） (2026-07-30T16:22:13Z)
• 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)
• WISV: Wireless-Informed Semantic Verification for Distributed Speculative Decoding in Device-Edge LLM Inference [56.297697169678095]
  WISV(Wireless-Informed Semantic Verification)は、分散投機的復号化フレームワークである。 WISVは最大60.8%の許容長の増加、37.3%の対話ラウンドの削減、31.4%のエンドツーエンドレイテンシの改善を実現している。 NVIDIA Jetson AGX OrinとA40搭載サーバからなるハードウェアテストベッド上でWISVを検証する。
  論文  参考訳（メタデータ） (2026-04-20T01:29:56Z)
• Design and Validation of a Lightweight 1D CNN for Affective Touch Classification in Soft Plush Companions [59.49967357689445]
  ソフトなセンサー付きコンパニオンは、社会的支援技術のための物理的に安全で感情的に直感的なインターフェースを提供する。 本研究では,ソフト・インタラクティブ・コンパニオンにおける感情的触覚認識のためのディープラーニングモデルの開発と検証を目的とした,オープンソースで拡張されたリアルタイムフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-04-16T10:20:05Z)
• Do You Trust Me? Cognitive-Affective Signatures of Trustworthiness in Large Language Models [12.714909005419964]
  我々は、ウェブのような物語において、大きな言語モデルがどのように信頼感をエンコードするかを分析する。 モデル全体、系統的な層レベルと頭レベルのアクティベーションの違いは、高信頼のテキストと低信頼のテキストを区別する。 最も強い関連性は、公平さ、確実性、説明責任という評価によって生まれる。
  論文  参考訳（メタデータ） (2025-12-17T08:47:23Z)
• Human Texts Are Outliers: Detecting LLM-generated Texts via Out-of-distribution Detection [71.59834293521074]
  我々は,人間によるテキストと機械によるテキストを区別する枠組みを開発した。 提案手法は,DeepFakeデータセット上で98.3%のAUROCとAUPRを8.9%のFPR95で達成する。 コード、事前トレーニングされたウェイト、デモがリリースされる。
  論文  参考訳（メタデータ） (2025-10-07T08:14:45Z)
• Diversity Boosts AI-Generated Text Detection [51.56484100374058]
  DivEyeは、予備的な機能を使って、予測不可能がテキスト間でどのように変動するかをキャプチャする、新しいフレームワークである。 提案手法は、既存のゼロショット検出器を最大33.2%向上させ、微調整ベースラインとの競合性能を達成する。
  論文  参考訳（メタデータ） (2025-09-23T10:21:22Z)
• VISION: Robust and Interpretable Code Vulnerability Detection Leveraging Counterfactual Augmentation [6.576811224645293]
  グラフニューラルネットワーク(GNN)は、構造的および論理的コード関係をデータ駆動で学習することができる。 GNNは表面的なコード類似性から'spurious'相関を学習することが多い。 我々は、VISIONと呼ばれる堅牢で解釈可能な脆弱性検出のための統一的なフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-08-26T11:20:39Z)
• A Hybrid DeBERTa and Gated Broad Learning System for Cyberbullying Detection in English Text [0.356008609689971]
  最近の研究によると サイバーいじめは 約54.4%の若者に影響を与えます 本稿では,変圧器モデルにおける文脈理解能力と広範学習システムのパターン認識強度を併用して,効果的なサイバーバブル検出を行うハイブリッドアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2025-06-19T06:15:22Z)
• Alert-ME: An Explainability-Driven Defense Against Adversarial Examples in Transformer-Based Text Classification [9.818997495801705]
  本稿では、予測時間防御を強化するために、説明可能性駆動型検出・識別・変換(EDIT)と呼ばれる統一的なフレームワークを提案する。 EDITは、アテンションマップや統合勾配などの説明可能性ツールと周波数ベースの機能を統合し、敵の摂動を自動的に検出し識別する。 このフレームワークは、テキスト分類モデルにおける標準、ゼロデイおよび適応的な敵の脅威に対して、堅牢で、解釈可能で、効率的な保護を提供する。
  論文  参考訳（メタデータ） (2023-07-03T03:17:20Z)

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。