DSIPA: 감정 분포 불변 패턴 발산 분석을 통한 LLM 생성 텍스트 탐지

요약

본 논문은 대형 언어 모델(LLMs)이 생성한 텍스트를 탐지하기 위해 DSIPA라는 새로운 비학습 기반 프레임워크를 제안합니다. 이 방법은 LLM이 일반적으로 감정적으로 더 일관된 출력을 보이는 반면, 인간 작성 텍스트는 더 큰 정서적 변동을 보인다는 근본적인 행동 비대칭성을 활용합니다. DSIPA는 지도 학습이나 모델 파라미터 접근 없이도 제로샷/블랙박스 방식으로 작동하며, 다양한 도메인과 최신 LLM에 대해 높은 탐지 성능과 강력한 일반화 능력을 입증했습니다.

핵심 포인트

• DSIPA는 감정 분포의 안정성(Emotional Distribution Stability)을 정량화하여 LLM 생성 텍스트를 탐지하는 새로운 접근 방식입니다.
• 이 프레임워크는 LLM과 인간 작성 텍스트 간의 내재적인 '감정적 일관성' 차이를 활용하며, 이를 통해 행동 비대칭성을 포착합니다.
• DSIPA는 지도 학습이나 모델 파라미터 접근 없이도 작동하는 제로샷/블랙박스 방식으로 설계되어 실용성이 높습니다.
• 다양한 도메인(뉴스, 코드, 에세이 등)과 최신 LLM에 대한 광범위한 실험에서 기존 방법 대비 높은 탐지 성능 향상을 보였습니다.