Glimpse: Enabling White-Box Methods to Utilize Proprietary Models for Zero-Shot LLM-Generated Text Detection
💡
原文英文,约100词,阅读约需1分钟。
📝
内容提要
本研究提出Glimpse方法,解决了零-shot LLM生成文本检测中白盒方法无法使用强大专有模型的问题。实验结果表明,Glimpse与Fast-DetectGPT和GPT-3.5结合,AUROC平均值约为0.95,提升幅度达51%。
🎯
关键要点
-
本研究提出Glimpse方法,解决了零-shot LLM生成文本检测中白盒方法无法使用强大专有模型的问题。
-
Glimpse是一种概率分布估计的方法,能够从部分观察中预测完整分布。
-
Glimpse成功扩展了白盒方法的应用。
-
实验结果显示,Glimpse与Fast-DetectGPT和GPT-3.5结合,AUROC平均值约为0.95。
-
Glimpse相较于开源基线提高了51%。
➡️