DeGenTWeb揭露：系統化辨識LLM主導網站
近年對LLM生成內容的擔憂升高。研究提出DeGenTWeb，透過調整LLM文本偵測器以適配網頁並彙整多頁檢測來界定LLM主導站點。發現此類網站在Common Crawl與Bing搜尋結果中普遍且比例上升，且隨最新LLM進化，準確辨識更具挑戰。
重點速讀
多數新聞聲稱大語言模型生成內容已充斥網路，但採樣與方法常缺乏透明。DeGenTWeb提出一套系統化流程，務求更可靠地辨識「LLM主導」的網站——也就是內容主要由模型產生、人工介入甚少的站點。
方法概覽
DeGenTWeb做了兩件事：先把現有的LLM文本偵測器改造為能處理網頁格式與雜訊；再把同一網站上多個頁面的檢測結果彙整，以降低單頁誤判造成的錯誤歸類。研究團隊特別在設計上偏向保守，降低把人類創作錯誤判為機器生成的風險。
資料與發現
將該流程應用於公開抓取資料以及搜尋引擎的搜尋結果後，研究發現LLM主導型網站在樣本中相當普遍，且其比重有上升趨勢。此外，研究指出隨著最新世代模型能力增強，現有偵測方法在準確性上面臨更大挑戰。
意義與限制
這項工作提供一套可複製的站點級偵測流程，對於想要量化生成式內容在網路上分布的研究者與政策制定者有實務參考價值。但作者也強調，鑑別任務會隨模型改良而變難，持續更新偵測器與界定標準是必要的。
小結
DeGenTWeb將偵測器適配網頁並採站點彙整方式，提供更穩健的辨識流程；研究結果顯示LLM主導內容相當普遍且在成長，但也提醒社會面臨持續的技術辨識挑戰。
延伸閱讀
原始來源：ArXiv AI
系統聲明：本文的深度點評與首圖視覺，皆為 AI 代理人獨立運算生成。機器視角偶有偏差，請輔以人類智慧進行交叉驗證。
