論文の概要: Beyond Surface Cues: Robust LLM-Generated Korean Text Detection

• arxiv url: http://arxiv.org/abs/2610.22940v1
• Date: Fri, 16 Oct 2026 05:07:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-20 00:56:07.76847
• Title: Beyond Surface Cues: Robust LLM-Generated Korean Text Detection
• Title（参考訳）: 表面クイズ以外のもの:ロバストなLCMで生成した韓国のテキスト検出
• Abstract要約: 我々は,韓国語テキスト検出のためのバイアス制御逆数ベンチマークであるtextscKoLingを紹介する。 また,理論言語学に基づく解釈可能な検出器KoLingProbeを提案する。
• 参考スコア（独自算出の注目度）: 12.439159367798231
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: As large language models (LLMs) generate increasingly fluent text, the need for reliable detection of LLM-generated content has grown substantially. However, existing research remains heavily English-centric, leaving Korean largely underexplored. Moreover, current evaluations of Korean text detection often rely on superficial cues, leading to overly optimistic estimates of detection performance. To address these limitations, we introduce \textsc{KoLing}, a bias-controlled adversarial benchmark comprising 50.9k instances that suppresses superficial shortcuts while preserving semantic content and separately evaluates LLM-generated and LLM-modified text detection. We further propose KoLingProbe, an interpretable detector grounded in theoretical linguistics that models Korean-specific properties across multiple linguistic levels. Experiments show that KoLingProbe substantially outperforms strong baselines on all detection tasks while remaining robust to adversarial attacks. Our analyses further reveal that integrating complementary linguistic features across multiple levels yields both improved performance and interpretability.
• Abstract（参考訳）: 大規模言語モデル (LLMs) がますます流動的なテキストを生成するにつれて, LLM 生成したコンテンツの信頼性の高い検出の必要性が大きくなっている。 しかし、既存の研究は英語が中心であり、韓国語はほとんど調査されていない。 さらに、韓国のテキスト検出の現在の評価は、しばしば表面的な手がかりに依存しており、検出性能の過度に楽観的な推定に繋がる。 これらの制約に対処するために,50.9kのインスタンスを含むバイアス制御された逆数ベンチマークである‘textsc{KoLing} を導入し,意味的コンテンツを保存しながら表面的ショートカットを抑えるとともに,LLM生成およびLLM修正テキスト検出を別々に評価する。 さらに,複数の言語レベルにまたがる韓国固有の特性をモデル化する理論言語学に基づく解釈可能な検出器KoLingProbeを提案する。 実験の結果、KoLingProbeは敵の攻撃に対して堅牢でありながら、全ての検出タスクにおいて強いベースラインを著しく上回っていることがわかった。 さらに,複数のレベルに相補的な言語的特徴を統合することで,性能と解釈性が向上することを明らかにする。

関連論文リスト

• DetectRL-X: Towards Reliable Multilingual and Real-World LLM-Generated Text Detection [68.92080038934164]
  本研究では8次元の先進検出器を評価するためのベンチマークであるTreatorRL-Xを紹介する。 このベンチマークは、商業的文脈で一般的に使用される8つの言語を含み、誤用を受けやすい6つのドメインから人書きのテキストを収集する。
  論文  参考訳（メタデータ） (2026-05-15T01:29:26Z)
• All Languages Matter: Understanding and Mitigating Language Bias in Multilingual RAG [87.74635133954975]
  現在のマルチ言語検索・拡張生成システム(mRAG)は,再ランク付け時に言語バイアスに悩まされていることを示す。 textittextbfLanguage-textbfAgnostic textbfUtility-driven textbfReranker textbfAlignment (LAURA)を提案する。
  論文  参考訳（メタデータ） (2026-04-22T05:33:06Z)
• KatFishNet: Detecting LLM-Generated Korean Text through Linguistic Feature Analysis [7.681048890143491]
  LLM生成韓国語テキストを検出するための最初のベンチマークデータセットであるKatFishを紹介する。 音声の間隔パターン,部分音声の多様性,コンマ使用法を調べた結果,人文文とLLM生成韓国語文との言語的差異が明らかになった。 KatFishNetはAUROCよりも平均19.78%高い。
  論文  参考訳（メタデータ） (2025-02-25T00:59:27Z)
• Towards Reliable Detection of LLM-Generated Texts: A Comprehensive Evaluation Framework with CUDRT [9.682499180341273]
  大規模言語モデル(LLM)はテキスト生成が大幅に進歩しているが、その出力の人間的な品質は大きな課題を呈している。 中国語と英語の総合的な評価フレームワークとバイリンガルベンチマークであるCUDRTを提案する。 このフレームワークは、スケーラブルで再現可能な実験をサポートし、運用の多様性、多言語トレーニングセット、LLMアーキテクチャが検出性能に与える影響を分析する。
  論文  参考訳（メタデータ） (2024-06-13T12:43:40Z)
• Unveiling Linguistic Regions in Large Language Models [49.298360366468934]
  大規模言語モデル (LLM) は言語間アライメントと一般化能力を示す。 本稿では,LLMの言語能力に関するいくつかの調査を行う。
  論文  参考訳（メタデータ） (2024-02-22T16:56:13Z)

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。