PADBen:面向改写攻击的AI文本检测器综合基准
该工作通过双表征空间分析提出“中间洗白区”机制,构建包含五类文本分类体系与五项递进检测任务的PADBen基准,并评测11个检测器,发现检测结果存在关键不对称性:改写攻击并非普遍奏效,抄袭规避(改写LLM生成文本)仍可被检测(RADAR句对AUC 0.909),而作者身份混淆(改写人类文本)使检测性能跌至接近随机(AUC 0.526–0.748)。
1 篇关联报道
该工作通过双表征空间分析提出“中间洗白区”机制,构建包含五类文本分类体系与五项递进检测任务的PADBen基准,并评测11个检测器,发现检测结果存在关键不对称性:改写攻击并非普遍奏效,抄袭规避(改写LLM生成文本)仍可被检测(RADAR句对AUC 0.909),而作者身份混淆(改写人类文本)使检测性能跌至接近随机(AUC 0.526–0.748)。
已读完全部报道