该研究提出了一种新方法和数据集，以解决现有机器生成内容检测器在同义改写文本处理中的不足。通过使用MhBART和DTransformer模型，结合人类写作风格和语篇分析，显著提高了检测性能。

本文提出了一个框架，用于评估机器生成内容的对抗性攻击对检测模型的影响。研究表明，现有模型在短时间内容易被误判为人类文本，尽管有一定的鲁棒性提升，但在实际应用中仍面临挑战，强调了对更准确检测方法的需求。

本文研究了大型语言模型在假新闻检测中的应用，发现现有检测器对机器生成内容存在偏见。提出了Style-News框架，通过分析出版商元数据提高检测准确性，并发布了新数据集以推动研究。同时，设计了自适应启示指导网络（ARG）以改善检测效果，强调了结合小型和大型语言模型的优势。