論文の概要: SPADE: Soft Prompts for Ai-text DEtection
- arxiv url: http://arxiv.org/abs/2611.16929v1
- Date: Thu, 12 Nov 2026 15:16:19 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:33.499662
- Title: SPADE: Soft Prompts for Ai-text DEtection
- Title(参考訳): SPADE:AIテキスト検出のためのソフトプロンプト
- Abstract要約: SPADE: Soft Prompts for Ai-text Detectionを紹介します。
我々は,プロンプトの影響を計測し,識別信号として利用する。
各種検出器に対するいくつかのベンチマーク実験により, 本手法のロバスト性と有効性を示した。
- 参考スコア(独自算出の注目度): 5.506428450111977
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: The easy access to Large Language Models (LLMs) has made AI-generated texts on the web increasingly ubiquitous, making AI-text detection a crucial task. Prompts greatly influence the generation process, but existing detectors focus solely on the generated texts --- supervised methods learn from labeled texts only, and zero-shot methods rely on the text's probability distributions --- ignoring the underlying generation process, which limits their robustness in open-world scenarios. We introduce SPADE: Soft Prompts for Ai-text DEtection, a novel framework for detecting AI-generated text that transfers better across datasets. Specifically, we measure the prompt's influence and use it as a discriminative signal. We characterize the prompt's influence by introducing a Pointwise Mutual Information (PMI) term that captures how much a prompt explains a text. Based on this quantity, SPADE trains one soft prompt per class to amplify the separation, and predicts the class whose prompt best explains the candidate text. Extensive experiments on several benchmarks against various detectors demonstrate the robustness and effectiveness of our method, achieving state-of-the-art (SOTA) performance on out-of-distribution (OOD) datasets.
- Abstract(参考訳): LLM(Large Language Models)へのアクセスが容易になったことで、Web上のAI生成テキストがますます普及し、AIテキスト検出が重要なタスクとなった。
プロンプトは生成プロセスに大きな影響を与えるが、既存の検出器は生成されたテキストにのみフォーカスする -- ラベル付きテキストからのみ学習し、ゼロショットメソッドはテキストの確率分布に依存する -- 既存の生成プロセスを無視し、オープンワールドシナリオにおける堅牢性を制限する。
SPADE: Soft Prompts for Ai-text Detectionを紹介します。
具体的には,プロンプトの影響を計測し,識別信号として利用する。
我々は,テキストをどの程度説明するかを抽出するポイントワイド・ミューチュアル・インフォメーション(PMI)という用語を導入することで,プロンプトの影響を特徴づける。
この量に基づいて、SPADEはクラス毎に1つのソフトプロンプトを訓練して分離を増幅し、候補テキストを最もよく説明するクラスを予測する。
各種検出器に対する複数のベンチマーク実験により,本手法のロバスト性と有効性を示し,アウト・オブ・ディストリビューション(OOD)データセット上でのSOTA(State-of-the-art)性能を実現した。
関連論文リスト
- Human Texts Are Outliers: Detecting LLM-generated Texts via Out-of-distribution Detection [71.59834293521074]
我々は,人間によるテキストと機械によるテキストを区別する枠組みを開発した。
提案手法は,DeepFakeデータセット上で98.3%のAUROCとAUPRを8.9%のFPR95で達成する。
コード、事前トレーニングされたウェイト、デモがリリースされる。
論文 参考訳(メタデータ) (2025-10-07T08:14:45Z) - DeTeCtive: Detecting AI-generated Text via Multi-Level Contrastive Learning [24.99797253885887]
このタスクを達成するための鍵は、異なる著者のスタイルを区別することにある、と我々は主張する。
DeTeCtiveは,マルチタスクの補助的,マルチレベルのコントラスト学習フレームワークである。
我々の手法はテキストエンコーダと互換性がある。
論文 参考訳(メタデータ) (2024-10-28T12:34:49Z) - 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) - Spotting AI's Touch: Identifying LLM-Paraphrased Spans in Text [61.22649031769564]
我々は、新しいフレームワーク、パラフレーズテキストスパン検出(PTD)を提案する。
PTDは、テキスト内でパラフレーズ付きテキストを識別することを目的としている。
パラフレーズ付きテキストスパン検出のための専用データセットであるPASTEDを構築した。
論文 参考訳(メタデータ) (2024-05-21T11:22:27Z) - How Reliable Are AI-Generated-Text Detectors? An Assessment Framework
Using Evasive Soft Prompts [14.175243473740727]
本研究では,PLMに高い性能の検出器を回避できるテキストを生成する新しい手法を提案する。
提案手法は、新しいタイプのソフトプロンプトである普遍的回避プロンプトを示唆しており、このプロンプトは、検知器を誤解させる「人間のような」テキストを生成するのにPLMを導く。
我々は,最先端検出器の回避における回避ソフトプロンプトの有効性を評価するために,広範囲な実験を行った。
論文 参考訳(メタデータ) (2023-10-08T09:53:46Z) - MAGE: Machine-generated Text Detection in the Wild [82.70561073277801]
大規模言語モデル(LLM)は人間レベルのテキスト生成を実現し、効果的なAI生成テキスト検出の必要性を強調している。
我々は、異なるLLMによって生成される多様な人文やテキストからテキストを収集することで、包括的なテストベッドを構築する。
問題にもかかわらず、トップパフォーマンス検出器は、新しいLCMによって生成された86.54%のドメイン外のテキストを識別することができ、アプリケーションシナリオの実現可能性を示している。
論文 参考訳(メタデータ) (2023-05-22T17:13:29Z)
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。