本文综述大语言模型生成文本的检测研究，涵盖：中等规模模型训练的检测器可零样本推广至更大模型；贝叶斯代理方法降低查询成本；评估显示CopyLeaks最准确、GPTKit假阳性最低、GLTR最稳健；并提出针对代码的免训练检测方法及基于对数排名的检测方法，强调检测对负责任AI的重要性。

该文综述大语言模型生成文本检测研究，介绍M4、MULTITuDE等数据集，评估SVM、RoBERTa及集成方法等检测器，发现模型常将机器文本误判为人类所写；提出CoCo连贯性图与对比学习应对低资源检测，并讨论多语言泛化、安全威胁与评估指标等方向。