arXiv · cs.AI· Kevin Ren, Manish Raghavan, Nikhil Garg·· 6 小时前
研究提出面向持续分布偏移的测试时自适应AI文本检测方法
Hitting a Moving Target: Test-Time Adaptation for AI Text Detection under Continual Distribution Shift
arXiv:2606.25152v2阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Kevin Ren, Manish Raghavan, Nikhil Garg
研究任务与主要进展
作者提出一种测试时自适应方法，利用部署后无标签推理样本的同质性，应对AI文本检测中的持续分布偏移，包括对抗性人类化、新LLM发布和人类写作的时间漂移。基于论文摘要，作者报告现有监督式检测器在这些变化下系统性地失效，而半监督TTA总体更稳健；在对抗性AI生成文本上，Pangram检出率为27.0%，该方法为93.3%。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org