기계 생성 텍스트 탐지를 위한 다층적 문맥 토큰 관계 모델링

요약

기계 생성 텍스트(MGT) 탐지 시 발생하는 토큰 수준 점수의 무작위성 편향 문제를 해결하기 위한 새로운 프레임워크를 제안합니다. 마르코프 정보 보정 모듈을 통한 국소적 관계 모델링과 논리 규칙 기반의 전역적 관계 추론을 결합하여 탐지 성능을 높였습니다. 실험 결과, 낮은 계산 비용으로도 다양한 LLM 및 도메인 환경에서 뛰어난 탐지 성능을 입증했습니다.

핵심 포인트

• 기존 지표 기반 방식의 한계인 토큰 수준의 무작위성 편향 문제를 식별함
• 경량 마르코프 정보 보정(Markov-informed calibration)을 통한 국소적 토큰 관계 정제
• 문맥 점수 통계와 명시적 논리 규칙을 활용한 전역적 규칙 지원 추론(Rule-support reasoning) 도입
• 낮은 계산 오버헤드로 Cross-LLM 및 Cross-domain 환경에서 높은 범용성 확보