基于局部熵波动的黑盒LLM生成文本检测

论文用熵轨迹局部峰值指标检测黑盒LLM生成文本

资讯摘要

论文指出，现有双模型检测器和重采样检测器在无提示续写场景表现较好，但在源模型未知的黑盒指令条件下会严重失效，原因分别是重采样方法对提示条件依赖不足、双模型检测器的跨模型差异减弱。作者受人类写作信息流平稳、机器文本熵轨迹出现局部尖峰这一观察启发，提出相对峰值显著率（RelPPR）指标，并开源代码。

要点速读

1. 论文分析双模型与重采样检测器在指令条件黑盒场景下失效，归因于提示条件不足与跨模型差异减弱
2. 提出相对峰值显著率（RelPPR），沿熵轨迹刻画局部熵波动结构作为检测信号
3. 作者报告在多模型家族与数据集上取得黑盒检测最优表现，代码已开源

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 2026/10/29 08:00:21（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。