論文の概要: SAGE (Subjectivity-Aware Generation Estimator): A Linguistic Framework for AI-Generated Review Detection *

• arxiv url: http://arxiv.org/abs/2611.03060v1
• Date: Mon, 02 Nov 2026 12:50:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-04 23:36:30.601376
• Title: SAGE (Subjectivity-Aware Generation Estimator): A Linguistic Framework for AI-Generated Review Detection *
• Title（参考訳）: SAGE (Subjectivity-Aware Generation Estimator): AI生成レビュー検出のための言語フレームワーク*
• Abstract要約: 主観性の本質的な人間的特性に基づいてAI生成ピアレビューを検出するための,単純かつ言語的に動機づけられたアプローチを提案する。 主観性は、評価言語とモダリティのセマンティックなレベルと、言語行動の実践的なレベルである。 この結果から,主観性の言語的特徴は,AIが生成したピアレビューを検出するための説明可能な情報源となり,既存の検出手法に容易に組み込むことが可能であることが示唆された。
• 参考スコア（独自算出の注目度）: 7.694715050727411
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We propose a simple, linguistically motivated approach to detecting AI-generated peer reviews based on the inherently human trait of subjectivity. We capture subjectivity at two levels: the semantic level of evaluative language and modality and the pragmatic level of speech acts. Using features derived from speech act annotations and model-predicted subjectivity scores, we train a lightweight classifier that achieves an AUROC of 0.9566 with only these linguistic features. Combining its output with the state-of-the-art detector Sem-Detect raises the TPR at 1% FPR of Sem-Detect on the APRDB benchmark from 0.874 to 0.985, outperforming the current state of the art. Our results show that linguistic features of subjectivity provide an explainable source of information for detecting AI-generated peer reviews and can be readily integrated into existing detection methods. The code and models are publicly available on GitHub (https://github.com/Arys02/generated\_ text\_detection\_hub) and Hugging Face (https://huggingface.co/Arys02), respectively.
• Abstract（参考訳）: 主観性の本質的な人間的特性に基づいてAI生成ピアレビューを検出するための,単純かつ言語的に動機づけられたアプローチを提案する。 主観性は、評価言語とモダリティのセマンティックなレベルと、言語行動の実践的なレベルである。 音声アクトアノテーションとモデル予測主観性スコアから得られた特徴を用いて,これらの特徴のみでAUROCの0.9566を達成できる軽量な分類器を訓練する。 出力を最先端検出器のSem-Detectと組み合わせることで、Sem-Detectの1% FPRをAPRDBベンチマークで0.874から0.985に引き上げ、現在の最先端よりも優れている。 この結果から,主観性の言語的特徴は,AIが生成したピアレビューを検出するための説明可能な情報源となり,既存の検出手法に容易に組み込むことが可能であることが示唆された。 コードとモデルはGitHub(https://github.com/Arys02/ generated\_ text\_detection\_hub)とHugging Face(https://huggingface.co/Arys02)で公開されている。

関連論文リスト

• Show, Don't TELL: Explainable AI-Generated Text Detection [0.42970700836450487]
  我々は、基礎から説明可能性を高める新しいアーキテクチャ、TELLを開発した。 私たちは、ドメイン固有のオーサシップアノテーションのカスタムSFTデータセットでTELLをトレーニングします。 本報告では, アノテーションの具体性, ファリシビリティ, コヒーレンス, 妥当性, 接地性について, 高(平均72.3%)のウィンレートを報告する。
  論文  参考訳（メタデータ） (2026-05-27T03:47:25Z)
• Interactive ASR: Towards Human-Like Interaction and Semantic Coherence Evaluation for Agentic Speech Recognition [52.63676763985825]
  トークンレベルの精度を超えた認識品質を評価するための意味認識評価指標を提案する。 我々は,人間のようなマルチターンインタラクションをシミュレートするエージェント・フレームワークを設計し,認識出力の反復的改善を可能にする。 対話型およびエージェント型ASRにおける今後の研究を促進するためのコードをリリースする。
  論文  参考訳（メタデータ） (2026-04-10T09:02:42Z)
• AuthorMist: Evading AI Text Detectors with Reinforcement Learning [4.806579822134391]
  AuthorMistは、AI生成したテキストを人間ライクな文章に変換する、新しい強化学習ベースのシステムだ。 AuthorMistは,本来の意味を保ちながら,AI生成テキストの検出性を効果的に低減することを示す。
  論文  参考訳（メタデータ） (2025-03-10T12:41:05Z)
• Who Writes the Review, Human or AI? [0.36498648388765503]
  本研究では,AIによる書評と人間による書評を正確に区別する手法を提案する。 提案手法は移動学習を利用して,異なるトピック間で生成したテキストを識別する。 実験の結果、元のテキストのソースを検出でき、精度96.86%に達することが示されている。
  論文  参考訳（メタデータ） (2024-05-30T17:38:44Z)
• Exploring the Potential of Large Foundation Models for Open-Vocabulary HOI Detection [9.788417605537965]
  条件付き多レベルデコードと細粒度セマンティックエンハンスメントを備えた新しいエンドツーエンドオープン語彙HOI検出フレームワークを提案する。 提案手法は,開語彙HOI検出の最先端化を実現する。
  論文  参考訳（メタデータ） (2024-04-09T10:27:22Z)
• Disco-Bench: A Discourse-Aware Evaluation Benchmark for Language Modelling [70.23876429382969]
  本研究では,多種多様なNLPタスクに対して,文内談話特性を評価できるベンチマークを提案する。 ディスコ・ベンチは文学領域における9つの文書レベルのテストセットから構成されており、豊富な談話現象を含んでいる。 また,言語分析のために,対象モデルが談話知識を学習するかどうかを検証できる診断テストスイートを設計する。
  論文  参考訳（メタデータ） (2023-07-16T15:18:25Z)
• Read Like Humans: Autonomous, Bidirectional and Iterative Language Modeling for Scene Text Recognition [80.446770909975]
  言語知識はシーンのテキスト認識に非常に有益である。 エンドツーエンドのディープネットワークで言語規則を効果的にモデル化する方法はまだ研究の課題です。 シーンテキスト認識のための自律的双方向反復型ABINetを提案する。
  論文  参考訳（メタデータ） (2021-03-11T06:47:45Z)

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。