論文の概要: SlopShape: Identifying AI-Generated Commercial Web Content
- arxiv url: http://arxiv.org/abs/2609.15369v2
- Date: Thu, 17 Sep 2026 06:51:51 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-20 08:55:53.413977
- Title: SlopShape: Identifying AI-Generated Commercial Web Content
- Title（参考訳）: SlopShape: AI生成の商用Webコンテンツを識別する
- Abstract要約: 我々は、構造的シグネチャから、AI生成したテキストを1段階深く特定できるかどうかを問う。
214機能機器は、ホールドアウト企業の98.0マクロF1で187の構造的特徴からAIポストを検出する。
すべてのエフェクトはStoryScopeを再現する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Word-level detectors identify unedited AI-generated text almost perfectly, but the literature documents their brittleness under rewording, and a word-level score neither characterizes a text nor identifies which AI model wrote it. We ask whether AI-generated text can be identified one level deeper, from structural signatures: how information is presented, in what order, with what evidence, and in what voice. We replicate StoryScope (Russell et al., 2026), which showed such patterns for AI-generated fiction, on commercial content: 2,250 pre-ChatGPT human blog posts from 268 company domains against 11,250 AI mirrors from five frontier models. A 214-feature instrument, applied by an LLM and validated in a human gold-annotation session (human-human kappa 0.928, human-model 0.946), detects AI posts from its 187 structural features alone at 98.0 macro-F1 on held-out companies, unchanged (98.1) when every AI post is reworded by its own model. The signal characterizes and attributes: AI posts share a tidy, self-announcing shape, 79.3% are attributed to the correct source against a 16.7% chance rate, and human posts occupy rare structural configurations. All effects replicate StoryScope's, consistent in direction and larger in magnitude. We release pipeline, instrument, prompts, code, and aggregate artifacts.
- Abstract（参考訳）: ワードレベル検出器は、未編集のAI生成テキストをほぼ完璧に識別するが、文献は、リワードによる脆さを文書化し、ワードレベルスコアは、テキストを特徴づけたり、どのAIモデルが書いたかを識別したりしない。
構造的シグネチャから、情報がどのように提示されるか、どの順番で、どんな証拠で、どんな声で、AI生成テキストを識別できるかを問う。
私たちはStoryScope (Russell et al , 2026)を再現し、AI生成フィクションのコマーシャルコンテンツに関するパターンを示した: 268の企業ドメインから2,250の事前ChatGPTの人的ブログ投稿と5つのフロンティアモデルの11,250のAIミラー。
LLMによって適用され、人間のゴールドアノテーションセッション(ヒューマン・ヒューマン・カッパ0.928、ヒューマン・モデル0.946)で検証された214機能機器は、ホールドアウト企業の98.0マクロF1でのみ187の構造的特徴からAIポストを検出する。
信号の特徴と属性: AIポストはタイディで自己発表型の形状を共有し、79.3%は正しいソースが16.7%の確率レートに対して、ヒトポストはまれな構造的構成を占有している。
すべてのエフェクトはStoryScopeを再現する。
パイプライン、インスツルメンツ、プロンプト、コード、集約アーティファクトをリリースします。
関連論文リスト
- AI Writers Have a Consistent Stylometric Footprint, but AI Editors Do Not [8.711791966428427]
大規模言語モデル(LLM)によって生成されたテキストは、人文テキストとスタイリスティックに区別されていることが示されている。
私たちはAI生成が一貫した幾何学的フットプリントを残していることを示しています」
しかし、AI編集は、同じフットプリントを再現しない。
論文 参考訳（メタデータ） (2026-08-28T02:58:58Z) - Operation-Guided Progressive Human-to-AI Text Transformation Benchmark for Multi-Granularity AI-Text Detection [49.41415417307568]
OpAI-Benchは、プログレッシブな人間とAIのテキスト変換を研究するためのオペレーションガイド付きベンチマークである。
我々は、AIテキスト検出能力は、AI編集コンテンツの割合だけでなく、編集操作、ドメイン、累積修正履歴によっても支配されていることを示す。
論文 参考訳（メタデータ） (2026-06-04T17:58:05Z) - 'Your AI Text is not Mine': Redefining and Evaluating AI-generated Text Detection under Realistic Assumptions [50.1119556361129]
我々は,AI生成テキストのさまざまな概念とその特徴を体系的に定義する。
AITDNAは人間と機械が共同で構築したテキストの新しいベンチマークである。
我々は、様々な機械生成テキスト検出器をベンチマークし、それらが特定の概念に対してのみうまく機能するが、広義の検出器として機能しないことが多いことを発見した。
論文 参考訳（メタデータ） (2026-06-03T14:05:14Z) - Why AI-Generated Text Detection Fails: Evidence from Explainable AI Beyond Benchmark Accuracy [0.9169660430821364]
本稿では,言語機能工学,機械学習,説明可能なAI技術を統合するフレームワークを提案する。
SHAPに基づく説明を用いて、最も影響力のある特徴がデータセットによって著しく異なることを示す。
この知識は、さまざまな設定で堅牢なAI検出器を構築するのに役立ちます。
論文 参考訳（メタデータ） (2026-03-24T12:46:15Z) - A Comprehensive Dataset for Human vs. AI Generated Text Detection [23.0218614564443]
ニューヨーク・タイムズ紙の記事から58,000件以上のテキストサンプルからなる包括的データセットを提案する。
このデータセットは、オリジナルの記事をプロンプトとして抽象化し、完全な人間による物語を提供する。
AI生成テキストと人書きテキストを区別し、AIテキストを8.92%の精度で生成モデルに関連付けるという2つの重要なタスクのベースライン結果を確立します。
論文 参考訳（メタデータ） (2025-10-26T23:50:52Z) - EditLens: Quantifying the Extent of AI Editing in Text [23.457378805409714]
AIで編集されたテキストは、人間が書いたテキストやAIで生成したテキストと区別可能であることを示す。
テキスト内に存在するAI編集量を予測する回帰モデルをトレーニングする。
AIによって編集されたテキストが検出できるだけでなく、AIによる人間の文章への変化の度合いも検出できることを示す。
論文 参考訳（メタデータ） (2025-10-03T16:27:48Z) - Assessing GPTZero's Accuracy in Identifying AI vs. Human-Written Essays [0.0]
GPTZeroは最も使われているAI検出器だが、人間によるテキストの識別の信頼性は限られている。
AIが生成した論文の大半が正確に検出され(91-100%のAIが信じていた世代)、一方で人間が生成したエッセイは変動した。
これらの結果は、GPTZeroは純粋にAI生成されたコンテンツを検出するのに有効であるが、人間によるテキストの識別の信頼性は限られていることを示唆している。
論文 参考訳（メタデータ） (2025-06-30T04:53:27Z) - Could AI Trace and Explain the Origins of AI-Generated Images and Text? [53.11173194293537]
AI生成コンテンツは、現実の世界ではますます普及している。
敵は、大規模なマルチモーダルモデルを利用して、倫理的または法的基準に違反した画像を作成するかもしれない。
ペーパーレビュアーは、大きな言語モデルを誤用して、真の知的努力なしにレビューを生成する。
論文 参考訳（メタデータ） (2025-04-05T20:51:54Z) - Almost AI, Almost Human: The Challenge of Detecting AI-Polished Writing [55.2480439325792]
本研究では、AI-Polished-Text Evaluationデータセットを用いて、12の最先端AIテキスト検出器を体系的に評価する。
我々の発見によると、検出器は、最小限に洗練されたテキストをAI生成としてフラグ付けし、AIの関与度を区別し、古いモデルや小さなモデルに対するバイアスを示す。
論文 参考訳（メタデータ） (2025-02-21T18:45:37Z) - D-Judge: How Far Are We? Assessing the Discrepancies Between AI-synthesized and Natural Images through Multimodal Guidance [19.760989919485894]
5000の自然画像と440,000以上のAIGIサンプルからなる大規模マルチモーダルデータセットD-ANIを構築した。
次に、AI生成画像(AIGI)が真に現実的なイメージからどこまで遠いのかという、重要な問題に対処するために、AI-Natural Image Discrepancy評価ベンチマーク(D-Judge)を導入します。
論文 参考訳（メタデータ） (2024-12-23T15:08:08Z) - Paraphrasing evades detectors of AI-generated text, but retrieval is an
effective defense [56.077252790310176]
本稿では,パラフレーズ生成モデル(DIPPER)を提案する。
DIPPERを使って3つの大きな言語モデル(GPT3.5-davinci-003)で生成されたテキストを言い換えると、透かしを含むいくつかの検出器を回避できた。
我々は,言語モデルAPIプロバイダによって維持されなければならない,意味論的に類似した世代を検索するシンプルなディフェンスを導入する。
論文 参考訳（メタデータ） (2023-03-23T16:29:27Z) - 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)
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。