深度分析 變更點偵測驅動的大型語言模型文本分段方法：VCP、WCP 與 GCP 隨著大型語言模型廣泛應用，辨識人類與模型共同撰寫的文字變得重要。研究將變更點偵測套用於文本分段，提出加權與廣義演算法，理論證明最小化誤差。實驗顯示相較於既有方法，錯誤率降低近五成，提升對混合文本的定位能力。此法借鑑時間序列變更點偵測，克服偵測分數異質性，提升定位穩定性。
