少樣本偵測

深度分析

LUSR 無監督風格表示學習提升 AI 文本偵測的少樣本與零樣本效能

隨著大型語言模型快速發展，偽造文本的風險升高。研究提出LUSR透過逆向同義改寫學習風格特徵，無需作者標籤，同時支援少樣本與零樣本偵測。實驗顯示其在多項基準上與監督式模型持平，且對未見模型更具泛化力。預示未來偵測技術將更聚焦於語言本質特性，並降低對模型資訊的依賴。