변화점 탐지를 통한 인간-LLM 공동 작성 텍스트 분할

대형 언어 모델 (LLMs) 의 급속한 발전은 텍스트의 진정성을 보장하고 사회적 신뢰를 유지하기 위해 인간이 작성한 텍스트와 LLM 이 생성한 텍스트를 구별하는 데 대한 긴급한 필요성을 창출했습니다. 기존 탐지기는 일반적으로 전체 패스지에 대한 이진 분류를 제공하지만, 이는 인간과 LLM 이 공동으로 작성한 텍스트의 경우 특정 부분을 인간 또는 LLM 이 작성했는지 위치를 파악해야 한다는 목표에 불충분합니다. 이러한 격차를 해소하기 위해 우리는 텍스트를 인간 작성 부분과 LLM 작성 부분으로 분할하는 알고리즘을 제안했습니다. 우리의 핵심 관찰은 이러한 분할 작업이 시간계열 분석에서의 고전적인 변화점 탐지 (change point detection) 와 개념적으로 유사하다는 것입니다. 이러한 비유를 활용하여, 우리는 변화점 탐지를 LLM 생성 텍스트 탐지에 적용하고, 이질적인 탐지 점수 변동성을 수용하기 위해 가중치 알고리즘과 일반화 알고리즘을 개발했으며, 우리의 절차의 미니맥 최적성 (minimax optimality) 을 확립했습니다. 경험적으로, 우리는 기존 베이스라인 대비 우리 접근법의 강력한 성능을 입증했습니다.