論文の概要: Writerslogic at PAN 2026: Process over Content for Robust Detection under Domain Shift

• arxiv url: http://arxiv.org/abs/2610.03565v1
• Date: Fri, 02 Oct 2026 16:44:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-06 00:14:30.489781
• Title: Writerslogic at PAN 2026: Process over Content for Robust Detection under Domain Shift
• Title（参考訳）: PAN 2026: ドメインシフトによるロバスト検出のためのプロセスオーバーコンテンツ
• Abstract要約: CLEF 2026の3つのPAN用のライターシステムでは、タスクが共有された。 推論軌道検出、Voight-Kampff生成AI検出、マルチオーサリングスタイル解析
• 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: We describe the Writerslogic systems for three PAN at CLEF 2026 shared tasks (Reasoning Trajectory Detection, Voight-Kampff Generative AI Detection, and Multi-Author Writing Style Analysis), unified by a shared analytical framework: feature robustness under distribution shift is governed by support overlap between training and test distributions, not by training-set effect size. This yields a taxonomy (domain-anchored, domain-portable, domain-invariant) that explains why generator-specific features die under domain shift while vocabulary fingerprints (hapax ratio, Yule's K, Heaps' exponent), compression measures, and character n-grams survive. On Reasoning Trajectory Detection, where training was entirely mathematics and 84 percent of test was unseen domains, the framework guided system design to 1st place in source detection (0.85 macro F1 via Opus-Sonnet agreement) and 3rd place in safety classification (0.66 macro F1 via query-refusal decomposition). For Voight-Kampff, we built a calibrated ensemble of DeBERTa-v2 (ONNX), multi-seed LightGBM with 44 domain-portable stylometric features, and SVM on n-gram TF-IDF, combined via learned stacking with isotonic calibration; the best configuration achieved 0.891 on the PAN 2026 test set with balanced sub-metrics (0.853 to 0.902 across all evaluation dimensions). For Multi-Author Writing Style Analysis, we describe a system fusing spectral clustering over character n-gram similarity graphs, normalized compression distance for local boundary detection, and SmolLM-135M perplexity for neural change-point detection; a platform mix-up meant our run never reached the official evaluation, so we report the design and its a priori predictions. Across all three tasks, features measuring generation process properties are designed to outperform features measuring generated content properties under domain shift.
• Abstract（参考訳）: CLEF 2026におけるPANの3つのタスク(推論軌道検出、Voight-Kampff生成AI検出、Multi-AuthorWrite Style Analysis)の書き手システムについて,共有分析フレームワークにより統合した。 これは、なぜジェネレータ固有の特徴がドメインシフトの下で死滅するかを説明する分類(ドメインアンコール、ドメイン可搬、ドメイン不変)を、語彙の指紋(HuleのK、Heapsの指数)、圧縮測度、および文字n-gramが生き残るかを説明する。 推論軌道検出(Reasoning Trajectory Detection)では、トレーニングが完全に数学であり、テストの84%が目に見えない領域であったため、フレームワークはソース検出(Opus-Sonnet契約による0.85マクロF1)と安全性分類(クエリ-リファイン分解による0.66マクロF1)でシステム設計を第1位に導いた。 Voight-Kampff では,DeBERTa-v2 (ONNX) の校正アンサンブル,44個のドメイン可搬型テクスチャを持つマルチシードLightGBM,および n-gram TF-IDF 上のSVM を,等速キャリブレーションによる学習積み重ねと組み合わせて構築した。 マルチオーサライティングスタイル分析では,文字n-gram類似度グラフ,局所境界検出のための正規化圧縮距離,ニューラル変更点検出のためのSmolLM-135Mパープレキシティにスペクトルクラスタリングを融合させるシステムについて述べる。 これら3つのタスク全体で、生成プロセス特性を測定する機能は、ドメインシフトの下で生成されたコンテンツ特性を測定する機能より優れているように設計されている。

関連論文リスト

• SeGDeP: Semantic- and Geometric-Aware Decoupled Prompts for Reasoning Segmentation [51.46828526392219]
  推論セグメンテーションは暗黙の言語学的結論を正確なマスクに変換する。 既存のMLLMセグメンタインタフェースでは、特別なトリガーを使用するか、両方の信号を1つのコンテキストに圧縮する。 明示的なWhat-whereインターフェースであるSeGDePを提示する。
  論文  参考訳（メタデータ） (2026-09-08T15:11:32Z)
• Amortised Post-Hoc Explanation with Exact Preservation for Dynamic Graph Anomaly Detectors [2.169919643934826]
  動的グラフにおける異常検出は、金融詐欺分析、侵入検知、プラットフォームの整合性を支える。 エッジがフラグ付けされた場合、アナリストはスコアのみを受け取る。 我々は、トレーニングされた凍結されたStrGNNをラップし、フラグ付きエッジ毎に出力する、ポストホックな説明層であるX-StrGNNを紹介する。
  論文  参考訳（メタデータ） (2026-08-16T06:10:40Z)
• FoundationGeo: Learning Spatial Pixel-Wise Fields for Monocular Metric Geometry [52.232826445242644]
  FoundationGeoは空間キャリブレーションと原則データ設計による相対的および計量的予測を橋渡しする。 ステージ1は DINOv3 で初期化することで高忠実なアフィン不変幾何モデルを学ぶ。 ステージ2は、メートル法推定のためのピクセルワイドキャリブレーションフィールドを導入することで、グローバルなスケーリングを越えている。
  論文  参考訳（メタデータ） (2026-07-13T14:10:01Z)
• MCPShield: Content-Aware Attack Detection for LLM Agent Tool-Call Traffic [1.827510863075184]
  Model Context Protocol (MCP) は、エージェントが外部ツールを呼び出すために広く採用されているインタフェースである。 MCPは、各エージェントセッションをグラフとしてエンコードするMCPツールコールトラフィックのアタックフレームワークとして提示される。
  論文  参考訳（メタデータ） (2026-05-11T14:55:48Z)
• Domain-level metacognitive monitoring in frontier LLMs: A 33-model atlas [0.0]
  応用/専門的な知識は、最も簡単に監視できるベンチマークドメインでした。 形式的推論と自然科学は間違いなく最も難しいものだった。 Anthropic、Google-Gemini、Qwenでは、家族内プロファイルのクラスタリングが重要である。
  論文  参考訳（メタデータ） (2026-04-21T12:44:47Z)
• TwoHead-SwinFPN: A Unified DL Architecture for Synthetic Manipulation, Detection and Localization in Identity Documents [0.4881924950569192]
  TwoHead-SwinFPNは、ID文書内の操作済み領域のバイナリ分類と正確なローカライズを同時に行う統合ディープラーニングアーキテクチャである。 提案手法では,Swin TransformerのバックボーンをFeature Pyramid Network(FPN)とUNetスタイルのデコーダと統合し,CBAM(Convolutional Block Attention Module)を拡張して特徴表現を改善する。 FantasyIDiapデータセットの実験では、84.31%の精度、90.78%のAUC、57.24%のDiceスコアが優れたパフォーマンスを示している。
  論文  参考訳（メタデータ） (2026-01-19T09:50:51Z)
• Generalized Focal Loss: Learning Qualified and Distributed Bounding Boxes for Dense Object Detection [85.53263670166304]
  一段検出器は基本的に、物体検出を密度の高い分類と位置化として定式化する。 1段検出器の最近の傾向は、局所化の質を推定するために個別の予測分岐を導入することである。 本稿では, 上記の3つの基本要素, 品質推定, 分類, ローカライゼーションについて述べる。
  論文  参考訳（メタデータ） (2020-06-08T07:24:33Z)
• Cross-domain Detection via Graph-induced Prototype Alignment [114.8952035552862]
  カテゴリレベルのドメインアライメントを求めるグラフ誘発プロトタイプアライメント(GPA)フレームワークを提案する。 さらに,クラス不均衡がドメイン適応に与える影響を軽減するために,クラス重み付きコントラスト損失を設計する。 我々のアプローチは、既存の手法よりも顕著なマージンで優れています。
  論文  参考訳（メタデータ） (2020-03-28T17:46:55Z)

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。