ImBD – 復旦聯合華南理工等機構推出的通用 AI 內容檢測器

ImBD是什麼

ImBD（Imitate Before Detect）是復旦大學、華南理工大學、武漢大學、Fenzi AI等推出的用在檢測機器修訂文本的方法。首先模仿大型語言模型（LLMs）生成文本的風格，基於風格偏好優化（SPO）調整評分模型，讓其更符合機器修訂文本的特徵。然後，利用風格條件概率曲率（Style-CPC）量化原始文本與條件概率採樣生成文本之間的對數概率差異，有效區分人類寫作和機器修訂內容。ImBD在多種場景下表現出色，包括不同LLMs的文本修訂、多個文本領域和多種修訂類型，顯著提高檢測性能，且僅需少量數據和較短的訓練時間即可達到優越性能。

ImBD的主要功能

• 檢測機器修訂文本：有效識別經過機器修訂的文本，包括重寫、擴展和潤色等類型。捕捉文本中獨特的機器風格特徵，區分出人類寫作和機器修訂的內容，提高檢測的準確性。
• 適應多種場景：適用於多種文本領域和不同類型的機器修訂任務。包括新聞、學術論文故事創作等不同領域，ImBD能準確檢測出機器修訂的痕跡，具有良好的泛化能力。
• 高效訓練與推理：ImBD在訓練過程中僅需少量樣本和較短的訓練時間，達到優越的性能。在推理階段快速處理文本數據，給出檢測結果，滿足實際應用中對效率的要求。

ImBD的技術原理

• 風格偏好優化（SPO）：基於SPO調整評分模型，使其更符合機器修訂文本的風格特徵。基於成對的人類寫作文本和機器修訂文本，用優化模型的token分佈，讓其更傾向於機器修訂文本的風格，增強模型對機器風格特徵的識別能力。
• 風格條件概率曲率（Style-CPC）：在檢測階段，I用Style-CPC量化原始文本和條件概率採樣生成文本之間的對數概率差異。基於計算這種差異，模型能有效區分人類寫作和機器修訂內容，因爲機器修訂文本在概率分佈上通常會表現出與人類寫作不同的特徵。
• 模仿與檢測結合：ImBD的核心思想是先模仿機器的風格，再進行檢測。基於模仿機器的風格特徵，模型能更好地理解機器修訂文本的特點，在檢測時更準確地識別出機器修訂的痕跡，提高檢測的準確性和魯棒性。

ImBD的項目地址

• 項目官網：machine-text-detection.github.io/ImBD
• GitHub倉庫：https://github.com/Jiaqi-Chen-00/ImBD
• arXiv技術論文：https://arxiv.org/pdf/2412.10432
• 在線體驗Demo：https://ai-detector.fenz.ai/ai-detector

ImBD的應用場景

• 學術領域：幫助審稿人識別論文中機器修訂部分，確保原創性和學術誠信.
• 新聞媒體：檢測新聞稿件中機器潤色內容，保證報道真實性和準確性.
• 出版行業：輔助編輯校對書稿，識別機器修訂內容，確保圖書質量.
• 教育領域：檢測學生作業中機器輔助部分，準確評估學生能力，提供針對性反饋.
• 企業與商業：審覈營銷文案等，確保內容原創性和質量，避免版權和品牌問題.
• 網絡安全與信息驗證：識別網絡虛假信息中的機器生成或修訂內容，維護網絡安全和信息真實性.