谁写的？零样本长文本生成文本检测的关键是 GECScore
原文中文，约500字，阅读约需2分钟。发表于：。提出一种基于语法错误修正分数（GECScore）计算的黑盒零样本检测方法，通过区分人工编写和大型语言模型生成的文本，在零样本和有监督方法方面显著优于现有技术，获得平均 AUROC 为 98.7％的结果，并对近义词和对抗扰动攻击具有很强的鲁棒性。
本研究提出了一种对LLMs生成的代码进行训练无关的检测方法，利用代理的白盒模型来识别由语言模型生成的代码片段。实验结果表明该方法在多个模型上取得了最新的检测结果，并对修订攻击具有鲁棒性，对Java代码具有通用性。同时发现较小的代码语言模型PolyCoder-160M表现优于十亿级别的对应模型。
