이전의 탐지 연구들은 LLM (Large Language Models)이 탐지기로서 효과적으로 사용될 수 없음을 보여주었으나, 이러한 연구들은 현대 중국 시를 다루지 않았습니다. 더욱이, 현대 중국 시를 탐지하는 데 있어 LLM의 성능을 탐구한 관련 연구는 없었습니다. 본 논문은 현대 중국 시의 탐지기로서 LLM의 성능을 평가 및 향상시키며, 이미지-의미론적 가이드 기반의 시 탐지 방법을 제안합니다. 전통적인 탐지 방식과 비교하여, 우리의 방법은 시의 내용을 반영하는 이미지를 혁신적으로 결합합니다. 예시 중심 접근 방식(example-driven approaches)을 통해, 우리의 방법은 이미지로부터 의미, 이미지(imagery), 감정 등의 정보를 효과적으로 통합한 후, 시 텍스트와 상호 보완적인 판단을 형성합니다. 실험 결과에 따르면, 우리의 방법에 기반한 LLM 탐지기는 평문(plain text) 기반의 베이스라인 탐지기보다 성능이 뛰어나며, 심지어 가장 성능이 좋은 전통적 탐지기인 RoBERTa를 능가합니다. 우리의 방법을 사용한 Gemini 탐지기는 85.65%의 Macro-F1 점수를 달성하여 최첨단(state-of-the-art) 수준에 도달했습니다. 다양한 LLM 생성 데이터에 대한 여러 LLM 탐지기들의 성능 향상은 우리 방법의 유효성을 입증합니다.