本研究探讨了对抗性文本与人类感知之间的差距，提出了“人类可疑性”概念。通过分析人类对对抗性句子的反应，创建了新数据集并开发回归模型，以量化可疑性，提升对抗性文本生成的信任度。

本文提出了多种基于梯度的方法用于自然语言处理，包括TextGrad和ScaleGrad，旨在提升文本生成和鲁棒性评估的效果。研究探讨了图神经网络在文本节点表示中的应用，以及大型语言模型在自动评分中的潜力与局限性。此外，介绍了文本简化的流水线设计和梯度攻击方法在文本领域的应用，展示了其在生成高质量对抗性文本方面的有效性。