本研究提出了一个全面的评估框架，用于区分机器生成的文本和人类作者的内容。框架包括不同任务和实际攻击的水印技术基准。目前的水印技术可用于部署，但对水印的不可辨认性要求过高。通过略微修改逻辑分布的方案，可以在生成质量上胜过不可辨认的方案，且无明显质量损失。

本研究提出了一个全面的评估框架，用于区分机器生成的文本和人类作者的内容。框架包括不同任务和实际攻击的水印技术基准。目前的水印技术可用于部署，但对水印的不可辨认性要求过高。通过略微修改逻辑分布的方案，可以在生成质量上胜过不可辨认的方案，且无明显质量损失。

STADEE是一种用于识别机器生成的文本的基于统计数据的深度检测方法。它结合了统计文本特征和深度分类器，重点关注标记概率和累积概率。在不同的数据集和场景中测试，STADEE在领域外和实际环境中表现出优异性能。

研究人员通过对比两个预训练大型语言模型的得分，提出了一种新的 LLM 检测器 Binoculars，能够准确地发现机器生成的文本。Binoculars 在多种文档类型和情况下进行了全面评估，能够以低误报率检测到 ChatGPT 生成的文本。

STADEE是一种用于识别机器生成的文本的基于统计数据的深度检测方法。它结合了统计文本特征和深度分类器，重点关注标记概率和累积概率等方面。在不同的数据集和场景中测试，STADEE表现出优异的性能，特别是在领域外和实际环境中。