迈向细粒度且鲁棒的人机合著检测

研究者提出离散类别文本溯源检测框架，将人机合著按 AI 参与程度分级，区分表层润色与话语结构层面的改写。该框架揭示了对抗性改写如何模糊检测器的决策边界。跨多个数据集和生成模型的实验显示，仅用良性数据训练的检测器会被对抗性改写大幅削弱，而用最先进改写攻击模型生成的对抗性改写增广训练数据，能带来一致的鲁棒性提升与良好的跨生成器迁移性。