機器生成文本檢測

深度分析

局部校準與貝氏修正：化解隱層統計異質性以提升機器生成文本檢測效能

面對指令調校的前沿模型，傳統以詞元似然平均化的偵測器效能下降。論文指出隱層空間不同區域具差異統計，平均化造成類似Simpson悖論，提出基於貝氏決策的局部校準：先學習各區域分數分布並校正後再聚合，實驗在多個基準與檢測器上明顯提升AUROC，且對多種平均化流程具模組化適用性。