中新網天津8月14日電(記者 孫玲玲)記者13日從南開大學獲悉,近日,南開大學計算機學院媒體計算實驗室取得最新研究成果,不僅從評估的角度揭示了現有AI檢測方法的性能不足,并創(chuàng)新性地提出了“直接差異學習”(Direct Discrepancy Learning,DDL)優(yōu)化策略,教會AI用“火眼金睛”辨別人機不同,實現AI檢測性能的巨大突破。相關成果論文已被計算機多媒體領域國際頂級會議ACM MM2025(ACM International Conference on Multimedia)接收。
近日,OpenAI發(fā)布新一代人工智能模型GPT-5,再次引發(fā)全球關注。隨著DeepSeek、ChatGPT、通義千問、豆包等AIGC大模型逐漸從“新奇玩具”變成學習、工作中不可或缺的“生產力工具”,其伴生問題也日益凸顯:AI經常會“一本正經地胡說八道”,生成看似合理的虛假信息,造成“AI幻覺”;依賴AI工具代寫作業(yè)甚至畢業(yè)論文,極大沖擊著學術誠信和規(guī)范;論文AI率檢測系統(tǒng)有待完善,論文被誤判的問題時有發(fā)生……如何精準識別AI生成內容,成為亟待解決的熱點問題。
據了解,目前AI生成內容檢測主要有兩種路線,一種是“基于訓練的檢測方法”,使用特定數據訓練一個專用的分類模型;另一種是“零樣本檢測方法”,直接使用一個預訓練的語言模型并設計某種分類標準進行分類。
多項研究表明,現有檢測方法在應對復雜的現實場景時常顯不足。此前也曾有權威媒體報道,《荷塘月色》《流浪地球》等經典作品被某常用論文AI率檢測系統(tǒng)檢出高AI率。
為何現有的AI檢測工具會“誤判”?論文第一作者、南開大學計算機學院計算機科學卓越班2023級本科生付嘉晨解釋道:“如果把AI文本檢測比作一場考試,檢測器的訓練數據等同于日常練習題,現有檢測方法是機械刷題、死記硬背答題的固定套路,難以學會答題邏輯,一旦遇到全新難題,準確率就會顯著下降?!?span style="display:none">FPn即熱新聞——關注每天科技社會生活新變化gihot.com
“要想實現通用檢測,理論上需收集所有大模型的數據進行訓練,但在大模型迭代飛速的今天幾乎不可能?!备都纬空f,讓檢測器真正學會舉一反三,即提升檢測器的泛化性能,是提升AI文本檢測性能的關鍵。
為此,研究團隊提出了DDL方法另辟蹊徑,通過直接優(yōu)化模型預測的文本條件概率差異與人為設定的目標值之間的差距,幫助模型學習AI文本檢測的內在知識,可以精準捕捉人機文本間的深層語義差異,從而大幅提升檢測器的泛化能力與魯棒性。
“使用DDL訓練得到的檢測器如同有了‘火眼金睛’,即便只‘學習’過DeepSeek-R1的文本,也能精準識別像GPT-5這樣最新大模型生成的內容?!备都纬空f。
團隊還提出了一個全面的測試基準數據集MIRAGE,使用13種主流的商用大模型(如豆包、DeepSeek、Kimi等)以及4種先進的開源大模型(如Qwen等),從AI生成、潤色、重寫三個角度構造了接近十萬條人類-AI文本對。
“MIRAGE是目前唯一聚焦于對商用大語言模型檢測的基準數據集。直觀地說,之前的基準數據集是由少而且能力簡單的大模型命題出卷,而MIRAGE是17個能力強大的大模型聯合命題,形成一套高難度、又有代表性的檢測試卷。”論文通訊作者、南開大學計算機學院副教授郭春樂說。
在MIRAGE的測試結果顯示,現有檢測器的準確率從在簡單數據集上的90%驟降至約60%;而使用DDL訓練的檢測器仍保持85%以上的準確率。與斯坦福大學提出的DetectGPT相比,性能相對提升71.62%;與馬里蘭大學、卡內基梅隆大學等共同提出的Binoculars方法相比,性能相對提升68.03%。
“AIGC發(fā)展日新月異,我們將持續(xù)迭代升級評估基準和技術,致力于實現更快、更準、更低成本的AI生成文本檢測,以AI之力,讓每一篇成果更出彩?!毖芯繄F隊負責人、南開大學計算機學院教授李重儀說。
(原標題:“用魔法打敗魔法” 南開大學最新研究成果讓AI“識破”AI)
本文鏈接:http://jphkf.cn/news-8-6441-0.html用魔法打敗魔法,南開大學最新成果讓AI“識破”AI
聲明:本網頁內容由互聯網博主自發(fā)貢獻,不代表本站觀點,本站不承擔任何法律責任。天上不會到餡餅,請大家謹防詐騙!若有侵權等問題請及時與本網聯系,我們將在第一時間刪除處理。
上一篇:熊宇杰被提名任安徽師范大學校長
點擊右上角微信好友
朋友圈
點擊瀏覽器下方“”分享微信好友Safari瀏覽器請點擊“
”按鈕
點擊右上角QQ
點擊瀏覽器下方“”分享QQ好友Safari瀏覽器請點擊“
”按鈕