论文提出测试时自适应AI文本检测方法应对持续分布偏移

Kevin Ren 等在 arXiv 发布论文，提出一种测试时自适应（TTA）方法，利用部署后无标签推理样本之间的同质性来适应 AI 文本检测中的持续分布偏移，场景包括对抗性人类化、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失效，而半监督 TTA 总体更稳健；在作者的对抗性 AI 生成文本上，商业模型 Pangram 检出率为 27.0%，其测试时方法为 93.3%。该数字来自论文自述，尚未经独立验证。

AI 根据报道生成 · 3 小时前更新