来自浙江大学、西湖大学和腾讯 AI 测验室的探讨职员防备到：AI 正在文本优化和多样性加强中有着普及利用。

　　而正在之前的探讨中 [1]，他们通过汇集各类写作使命下的大模子数据，磨练了一个有监视的 AI 文本检测模子。

　　该模子可以有用检测一段文本是否由 AI 天生。然而，当他们改写文本个人时，讶异地察觉 AI 检测模子险些无法分辨。

　　比方，将呆板天生的一段长文本中的两个句子用大模子实行润饰后，AI 检测模子会将新的文本判断为人类所写。

　　这个局面激发了他们的担心，由于比拟整段 AI 文本天生，正在平素行使中更常见的是个人文本的 AI 润饰或改写。

　　基于这个担心，他们提出一种新奇的细粒度检测框架——改写文本片断检测（PTD，paraphrased text span detection），借此添补了 AI 文本检测周围的紧要空缺。

　　分别于古板的文本级别检测方式，PTD 可以正在一段长文本中识别出整体的 AI 改写片断，并为每一句话分拨一个改写水平的分数。

　　测验结果显示：PTD 模子不但正在检测效率上阐扬优异，还可以扩充到分别周围和未见过的模子天生的文本。

　　据先容，PTD 可以识别个人由 AI 润饰和改写的文本片断，供给细粒度的检测结果，从而为决议供给更周至、致密的数据撑持。

　　比拟而言，古板的 AI 文本检测方式只可为整段文本打一个标签，而 PTD 则可以精准识别整体哪些段落被 AI 改动过，使决议更有说服力。

　　总之，本次探讨通过提出细粒度的改写文本片断检测框架，旨正在治理现有检测方式的不够，探寻越发精准和牢靠的 AI 文本天生检测方式。

　　将来，他们将进一步优化 PTD 模子，以进步其正在庞杂文本天生和改写场景中的检测精度和泛化才力。

　　结果，他们筹算盛开一个免费的检测平台，并承担用户反应，正在此根本上连接迭代优化模子，提拔其检测才力和鲁棒性，为可托 AI 进献一份力气。