要點(diǎn):

• 堪薩斯大學(xué)研究團(tuán)隊(duì)成功開發(fā)了一款學(xué)術(shù)AI檢測系統(tǒng)，準(zhǔn)確率高達(dá)98%，能有效區(qū)分人類和AI生成的文本，對(duì)科學(xué)期刊領(lǐng)域尤為強(qiáng)大。

• 該檢測系統(tǒng)基于20個(gè)關(guān)鍵特征和XGBoost算法，通過定制化檢測軟件針對(duì)特定領(lǐng)域的學(xué)術(shù)論文，實(shí)現(xiàn)了高準(zhǔn)確率的文本識(shí)別。

• 與OpenAI的最新分類器相比，該檢測系統(tǒng)在測試中表現(xiàn)優(yōu)異，對(duì)GPT-3.5和GPT-4生成的文本都具有高效性，而通用AI檢測器的性能較低。

站長之家（ChinaZ.com）11月10日 消息:近期，堪薩斯大學(xué)的研究團(tuán)隊(duì)成功研發(fā)了一款學(xué)術(shù)AI檢測系統(tǒng)，其準(zhǔn)確率高達(dá)98%。相較于OpenAI的最新分類器，該系統(tǒng)在識(shí)別AI生成文本方面表現(xiàn)出色，為解決科學(xué)期刊中可能存在的AI生成文本的問題提供了一種高效的解決方案。研究團(tuán)隊(duì)的核心思路在于不追求通用性，而是專注于特定領(lǐng)域的學(xué)術(shù)論文，通過定制化檢測軟件實(shí)現(xiàn)對(duì)人類和AI生成文本的有效區(qū)分。

論文地址:https://www.sciencedirect.com/science/article/pii/S2666386423005015?via%3Dihub

該檢測系統(tǒng)的關(guān)鍵優(yōu)勢在于采用了20個(gè)特征和XGBoost算法，通過訓(xùn)練定制化的檢測器，使其適應(yīng)特定領(lǐng)域的寫作風(fēng)格。研究人員提取的特征包括句子長度變化、特定標(biāo)點(diǎn)符號(hào)的使用頻率等，通過這些特征的XGBoost模型訓(xùn)練，實(shí)現(xiàn)了高準(zhǔn)確率的文本識(shí)別。研究人員認(rèn)為，定制化檢測系統(tǒng)的方法可以為開發(fā)通用AI檢測器提供一個(gè)技術(shù)路徑，使得在不同領(lǐng)域構(gòu)建類似系統(tǒng)變得更為可行。

在測試中，該檢測系統(tǒng)在美國化學(xué)學(xué)會(huì)（ACS）出版的十種化學(xué)期刊論文上表現(xiàn)出色，尤其在處理GPT-3.5和GPT-4生成的文本時(shí)取得了顯著成果。相比之下，通用AI檢測器的性能相對(duì)較低，而OpenAI的分類器在檢測AI生成文本方面的準(zhǔn)確率僅為10%。該研究對(duì)于科學(xué)期刊的文本檢測提供了一種高效手段，可用于評(píng)估AI生成文本對(duì)學(xué)術(shù)界的滲透，并在必要時(shí)引入緩解策略。

然而，盡管在科學(xué)期刊中取得了顯著的成果，該檢測系統(tǒng)在檢測大學(xué)報(bào)紙上的新聞文章時(shí)效果較差。這暗示著檢測系統(tǒng)在不同領(lǐng)域和文體中的適用性存在一定的限制。不過，柏林應(yīng)用科學(xué)大學(xué)的計(jì)算機(jī)科學(xué)家對(duì)該研究給予了高度評(píng)價(jià)，認(rèn)為其在解決特定領(lǐng)域的AI生成文本問題上非常引人注目。

綜上所述，堪薩斯大學(xué)研究團(tuán)隊(duì)的學(xué)術(shù)AI檢測系統(tǒng)為科學(xué)期刊提供了一種高效的解決方案，通過定制化檢測軟件，成功實(shí)現(xiàn)了對(duì)特定領(lǐng)域文本的準(zhǔn)確識(shí)別，為應(yīng)對(duì)AI生成文本的挑戰(zhàn)提供了有力支持。

（舉報(bào)）