该研究综述了大型语言模型（LLMs）在文本生成检测中的现状与未来，强调了开源威胁和误传信息问题。提出通过知识蒸馏技术训练更小、更高效的模型，以提升在资源受限设备上的应用潜力，并探讨模型性能与数据需求的关系。此外，研究评估了LLMs在自然语言推理任务中的表现，并提出混合工作流程以检测科学文本的有效性。