MCRP：抗改写LLM生成文本检测

冻结LLM条件响应探测在改写文本上提升检测表现

资讯摘要

论文提出 Matched Conditional-Response Probing（MCRP），一种冻结 LLM 的探测框架：先为候选文本生成简短语义条件，再在匹配、空与对照条件下比较 token 级损失和提示—目标注意力，聚合双向条件对齐、反事实敏感性与内部注意力耦合，训练轻量随机森林分类器。作者报告在改写、润色、扩写下达到 93.97% F1 与 96.24% ROC-AUC，分别高出最强基线 19.50 和 25.77 个百分点。

要点速读

1. MCRP 保持探测 LLM 冻结，仅训练轻量随机森林分类器。
2. 作者报告改写、润色、扩写下 93.97% F1、96.24% ROC-AUC，较最强基线高 19.50 和 25.77 个百分点。
3. 消融显示各响应特征组互补；条件对照研究中匹配条件优于随机、错配与损坏条件。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/31 08:00:18（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。