计算机科学 > 计算与语言
[提交于 2025年8月3日
]
标题: 多语言机器生成文本中的作者归属
标题: Authorship Attribution in Multilingual Machine-Generated Texts
摘要: 随着大型语言模型(LLMs)达到了类似人类的流利度和连贯性,区分机器生成文本(MGT)和人类撰写的内容变得越来越困难。 尽管早期的MGT检测工作集中在二元分类上,但LLMs不断增长的多样性和广泛的应用要求一种更细致但更具挑战性的作者归属(AA),即能够准确识别文本背后的生成器(LLM或人类)。 然而,目前的AA仍然局限于单一语言环境,英语是最常被研究的语言,忽视了现代LLMs的多语言特性和使用情况。 在本工作中,我们引入了多语言作者归属的问题,涉及将文本归因于不同语言中的人类或多个LLM生成器。 专注于18种语言——涵盖多种语言家族和书写系统——以及8种生成器(7个LLMs和一个由人类撰写的类别),我们研究了单一语言AA方法的多语言适用性、跨语言迁移能力以及生成器对归属性能的影响。 我们的结果表明,虽然某些单一语言AA方法可以适应多语言环境,但仍存在显著的限制和挑战,特别是在跨不同语言家族迁移时,这突显了多语言AA的复杂性,并强调了需要更稳健的方法以更好地匹配现实场景。
当前浏览上下文:
cs.CL
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.