融合条件独立采样与对数似然对数秩比机制优化的生成中文文本检测

摘要

随着人工智能技术的飞速发展，以ChatGPT为代表的生成式人工智能大模型深刻地改变了人类的生活，同时也对生成内容检测技术提出了更高要求.相较英文生成文本，中文生成文本检测研究起步较晚，资源相对匮乏.基于零样本学习思想，提出融合条件独立采样与对数似然对数秩比(LRR)机制优化的人工智能生成中文文本检测方法.首先验证了人工智能生成的中文文本同样具有经扰动变体后的文本概率位于模型负曲率区域的特点，之后通过条件独立采样替代了传统施加扰动的采样机制，添加注意力机制模块进一步提取采样文本的概率分布特征，并利用参数赋权法评估条件概率曲率指标与优化的LRR指标，最大限度发挥两个指标的检测作用.实验结果表明，该方法的准确率最高可达90%,平均准确率为87.7%,时间效率相对于施加扰动的DetectGPT方法提升了近6倍.

关键词

零样本学习 / 条件独立采样 / LRR机制 / 中文生成文本 / DetectGPT

基金资助

国家重点研发计划项目（2021YFC3301801）资助; 中央高校基本科研业务费项目（C2024012）资助; 中国刑事警察学院研究生创新能力提升项目（2024YCZD06）资助