베이스 모델은 AI 탐지기에게 인간처럼 보인다

요약

베이스 모델로 생성된 텍스트는 지시어 튜닝(instruction-tuned) 모델보다 AI 탐지기에서 인간의 글로 오인될 가능성이 높다는 사실이 발견되었습니다. 연구진은 이를 바탕으로 베이스 모델을 미세 조정하여 반복적으로 패러프레이징하는 HIP(Humanization by Iterative Paraphrasing) 기법을 제안하여 탐지 회피 성능을 높였습니다. 이는 현재의 AI 탐지기들이 모델의 본질적 특성보다 지시어 튜닝 과정에서 발생하는 인위적인 흔적을 추적하고 있음을 시사합니다.

핵심 포인트

• 베이스 모델 생성 텍스트는 지시어 튜닝 모델보다 AI 탐지기 회피에 유리함
• HIP(Humanization by Iterative Paraphrasing)는 의미 보존과 탐지 회피 사이의 강력한 트레이드오프를 제공함
• Llama-3 및 Qwen-3 모델군(0.6B~70B)에서 HIP의 효과가 일관되게 입증됨
• 현재 AI 탐지기는 기계 생성 텍스트 자체보다 지시어 튜닝의 인위적 흔적을 탐지하는 경향이 있음