論文の概要: Unveiling Spectral Mechanisms in Training-Free LLM Text Detection

• arxiv url: http://arxiv.org/abs/2608.25944v2
• Date: Thu, 27 Aug 2026 04:35:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-28 14:16:51.881875
• Title: Unveiling Spectral Mechanisms in Training-Free LLM Text Detection
• Title（参考訳）: 学習不要LLMテキスト検出におけるスペクトルの展開機構
• Authors: Haitong Luo, Xuying Meng, Weiyao Zhang, Wenji Zou, Shengfeng Lou, Xuefeng Jiang, Chungang Lin, Yujun Zhang,
• Abstract要約: 理論的および経験的両視点からスペクトル検出を行う。 この信号の強度はテキストの長さとサンプリング範囲に依存する。 これらの結果は、周波数領域検出がいつ機能するかを明らかにし、将来の多次元検出器設計のためのガイダンスを提供する。
• 参考スコア（独自算出の注目度）: 6.711083277151712
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The rapid advancement of Large Language Models (LLMs) makes it increasingly difficult to distinguish human writing from machine-generated text. Training-free detection offers a scalable solution, yet common confidence-based metrics mainly measure average token probabilities and often miss the signal fluctuations that characterize human writing, which we call "generative vitality". Spectral analysis offers a way to capture this vitality, but its mechanism and practical boundaries remain underexplored. In this paper, we analyze spectral detection from both theoretical and empirical perspectives. We connect spectral energy to variance in proxy log-probability trajectories and explain how broader human token choices create the fluctuations used by frequency-domain indicators. We further show that the strength of this signal depends on text length and sampling range: spectral evidence is clearest for long, continuous, constrained generation, while short, fragmented, mixed, and edited settings require complementary confidence and fluctuation views. These findings clarify when frequency-domain detection works and provide guidance for future multi-dimensional detector design.
• Abstract（参考訳）: LLM(Large Language Models)の急速な進歩は、機械生成されたテキストと人間の文章を区別することがますます困難になっている。 トレーニングなし検出は、スケーラブルなソリューションを提供するが、信頼性に基づいた一般的なメトリクスは、平均トークン確率を主に測定し、人間の書き込みを特徴付ける信号のゆらぎを見逃すことが多い。 スペクトル分析は、この活力を捉える方法を提供するが、そのメカニズムと実践的境界は未解明のままである。 本稿では,理論的および経験的両視点からスペクトル検出を行う。 スペクトルエネルギーとプロキシ対数確率軌跡の分散を結合し,周波数領域インジケータが使用するゆらぎを,より広い人間のトークン選択がいかに生み出すかを説明する。 さらに、この信号の強度はテキストの長さとサンプリング範囲に依存し、スペクトルエビデンスが最も明確であり、短い、断片化された、混合された、編集された設定は相補的な信頼と揺らぎのビューを必要とする。 これらの結果は、周波数領域検出がいつ機能するかを明らかにし、将来の多次元検出器設計のためのガイダンスを提供する。

関連論文リスト

• WaveDetect: Robust Framework for Machine-Generated Text Detection via Wavelet Transform [2.7227283756285288]
  既存の検出器は、対向的な摂動、ドメイン間のシフト、基礎モデルの急激な時間的進化という3つの重要な課題に直面した時にしばしば混乱する。 本稿では、時間周波数領域内の信号処理タスクとしてテキスト検出を再構成する新しいフレームワークであるWavedetectを提案する。
  論文  参考訳（メタデータ） (2026-06-22T13:42:36Z)
• Hidden Human-Like Nature of Machine-Generated Texts: Theory and Detection Enhancement [108.30620357325559]
  大規模言語モデル(LLM)が生成する機械生成テキスト(MGT)は、様々なアプリケーションでますます普及している。 既存の段落レベルの検出方法はMGTを完全に機械のような扱いで、MGTの隠れた人間的な性質を見渡す。 本研究では,隠れた人型スパンの影響を低減し,既存の検出器を改良するモデルに依存しないスタック拡張フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-05-22T03:17:21Z)
• Structured Spectral Reasoning for Frequency-Adaptive Multimodal Recommendation [13.886659472425393]
  マルチモーダルレコメンデーションは、視覚情報やテキスト情報などの異種コンテンツと協調的な信号を統合することを目的としている。 これらの問題は、しばしば単純融合や浅いモデリング戦略によって悪化し、一般化の低下とロバスト性の低下につながる。 周波数対応マルチモーダルレコメンデーションのための構造化スペクトル推論フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-12-01T07:39:28Z)
• Beyond Spectral Peaks: Interpreting the Cues Behind Synthetic Image Detection [48.54857325137626]
  最先端の検出器は一般にブラックボックスとして使われており、これらのピークに依存しているかどうかはまだ不明である。 本稿では、画像からスペクトルピークを除去し、この操作が複数の検出器に与える影響を分析する戦略を提案する。 さらに,周波数ピークのみに依存する単純な線形検出器を導入し,深層学習の影響を受けずに完全に解釈可能なベースラインを提供する。
  論文  参考訳（メタデータ） (2025-10-07T07:33:47Z)
• An Ensemble Framework for Unbiased Language Model Watermarking [60.99969104552168]
  本研究では,アンサンブル・フレームワークであるENSを提案する。 ENSは複数の独立した透かしインスタンスを順次構成し、それぞれ異なるキーによって管理され、透かし信号を増幅する。 実験的な評価では、ENSは信頼できる検出に必要なトークンの数を大幅に減らし、平滑化やパラフレージング攻撃に対する耐性を高めている。
  論文  参考訳（メタデータ） (2025-09-28T19:37:44Z)
• 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)
• SpecDetect: Simple, Fast, and Training-Free Detection of LLM-Generated Text via Spectral Analysis [31.43564106945543]
  本稿では,周波数領域におけるトークンログ確率のシーケンスを解析する新しいパラダイムを提案する。 我々は、グローバルなDFT: DFTトータルエネルギーの単一で堅牢な特徴の上に構築されたSpecDetectを構築した。 我々の研究は、LLM生成したテキスト検出のための新しい、効率的で解釈可能な経路を導入し、古典的な信号処理技術がこの現代の課題に対して驚くほど強力な解決策を提供することを示した。
  論文  参考訳（メタデータ） (2025-08-15T09:13:42Z)
• Detecting Machine-Generated Long-Form Content with Latent-Space Variables [54.07946647012579]
  既存のゼロショット検出器は主に、現実世界のドメインシフトに弱いトークンレベルの分布に焦点を当てている。 本稿では,イベント遷移などの抽象的要素を機械対人文検出の鍵となる要因として組み込んだ,より堅牢な手法を提案する。
  論文  参考訳（メタデータ） (2024-10-04T18:42:09Z)
• Fast remote spectral discrimination through ghost spectrometry [3.3911785884111483]
  ゴーストスペクトロメトリは, 化学, 生物, 放射線, 核の脅威の有無を評価するのに有効であることを示す。 多くの場合、対象の完全なスペクトル線形状を再構成する必要がなく、スペクトル吸収対象が存在するか否かを識別する関心がある。 異なるサンプルを用いて得られた実験結果を考察し,それらをシミュレーションで補完し,最も一般的なシナリオを探索する。
  論文  参考訳（メタデータ） (2023-03-27T11:46:48Z)

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。