.png){kind=icon}
返回
Enhancing Domain Generalization for Robust Machine-Generated Text Detection
.png){kind=icon}
OA
AI
DOI：10.1109/TKDE.2025.3581694.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
大型语言模型已革新文本生成，在提供显著益处的同时也对社会构成威胁，如侵犯版权和传播虚假信息。为防止有害使用，检测机器生成内容已成为一个重要的研究课题，尽管其在不同内容领域仍然具有特殊挑战性。本文提出DGRM，一种创新性的附加模块，旨在提升现有机器生成文本检测器的领域泛化能力。我们的模型包含两个训练组件。（1）特征解耦将文本的嵌入分离为目标特定属性和通用属性，从而增强跨不同内容领域的语义领域泛化。（2）特征正则化对这些属性施加约束，以提取额外的目标相关信息，并确保在句法扰动下的检测一致性——进而实现句法领域泛化。在多个数据集上的评估表明，引入我们的模块显著提升了在语义和句法多样性领域对机器生成文本的检测能力。我们希望本研究有助于缓解语言模型的有害使用。
Keyword:
Machine-generated text detection
domain generalization
feature disentanglement
feature regularization
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
