NormDetect 提出低误报机器生成文本检测方法
热点事件持续更新
NormDetect 提出低误报机器生成文本检测方法
1 篇报道1 个报道来源7 小时前更新
先了解这件事
AI 综述
Hanshuai Cui、Fanshuai Meng 和 Zhiqing Tang 提出 NormDetect，通过将归一化零样本检测分数与按文本分区训练的校准模型结合，检测机器生成的网页文本，降低误报率。 在 RAID benchmark 的 8 个文本分区、11 种攻击测试中，NormDetect 在校准误报率（FPR）为 0.1% 时，召回率比归一化 Binoculars 高 5.0 个百分点；对各分区的人类文本，其误报率均不超过 1%，且在满足这一误报约束的检测器中召回率最高。上述结果适用于该基准测试条件。
AI 根据报道生成 · 2 小时前更新
最新进展11月2日 13:00
NormDetect：通过锚定校准实现低误报率的机器生成网络文本检测报道时间线
沿着报道，了解事件的不同侧面。
11月2日
- arXiv · Machine LearningNormDetect：通过锚定校准实现低误报率的机器生成网络文本检测
NormDetect 提出一种锚定归一化零样本检测分数的校准方法，以降低机器生成网络文本检测中的误报率。在 RAID benchmark 的 8 个文本分区、11 种攻击下，其校准 FPR 为 0.1% 时，召回率比归一化 Binoculars 提高 5.0 个百分点。各分区的人类文本 FPR 均不超过 1%，且在满足该约束的检测器中召回率最高。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。