AI 생성 텍스트 탐지를 위한 잠재 궤적 판별

요약

본 논문은 기존 AI 생성 텍스트 탐지(AIGTD)가 문서를 정적 객체로 취급하는 한계를 지적하며, 이를 잠재적 생성 궤적을 구별하는 동적인 문제로 재정립합니다. 연구진은 기하학적 궤적 및 대조 학습(GTCL) 프레임워크를 제안하여, 텍스트 표현의 시퀀스 전반에 걸친 진화 과정을 모델링하고 이를 통해 강력한 탐지 신호를 확보했습니다.

핵심 포인트

• AIGTD 접근 방식을 정적 객체 분석에서 동적인 '잠재 생성 궤적' 구별 문제로 재정립함.
• GTCL 프레임워크를 도입하여 텍스트 표현의 시퀀스 전반에 걸친 진화 과정을 모델링함.
• 대조 학습을 통해 자기회귀 생성과 관련된 기하학적 규칙성을 학습하는 것이 핵심임.
• 제안된 방법론은 기존 탐지 기준선들을 일관되게 능가하는 성능을 보임.