自然語(yǔ)言生成 (NLG) 技術(shù)的最新進(jìn)展顯著提高了大型語(yǔ)言模型生成文本的多樣性、控制力和質(zhì)量。一個(gè)值得注意的例子是 OpenAI 的 ChatGPT，它在回答問題、撰寫電子郵件、論文和代碼等任務(wù)中展示了卓越的性能。然而，這種新發(fā)現(xiàn)的高效生成文本的能力也引起了人們對(duì)檢測(cè)和防止大型語(yǔ)言模型在網(wǎng)絡(luò)釣魚、虛假信息 和學(xué)術(shù)造假等任務(wù)中濫用的擔(dān)憂。例如，由于擔(dān)心學(xué)生利用 ChatGPT 寫作業(yè)，紐約公立學(xué)校全面禁止了 ChatGPT 的使用，媒體也對(duì)大型語(yǔ)言模型產(chǎn)生的假新聞發(fā)出警告。這些對(duì)大型語(yǔ)言模型 濫用的擔(dān)憂嚴(yán)重阻礙了自然語(yǔ)言生成在媒體和教育等重要領(lǐng)域的應(yīng)用。

最近關(guān)于是否可以正確檢測(cè)大型語(yǔ)言模型生成的文本以及如何檢測(cè)的討論越來越多，這篇文章對(duì)現(xiàn)有檢測(cè)方法進(jìn)行了全面的技術(shù)介紹。

• 論文地址：https://github.com/datamllab/The-Science-of-LLM-generated-Text-Detection
• 相關(guān)研究地址：https://github.com/datamllab/awsome-LLM-generated-text-detection/tree/main

現(xiàn)有的方法大致可分為兩類：黑盒檢測(cè)和白盒檢測(cè)。

大型語(yǔ)言模型生成文本檢測(cè)概述

• 黑盒檢測(cè)方法對(duì)大型語(yǔ)言模型通常只有 API 級(jí)別的訪問權(quán)限。因此，這類方法依靠于收集人類和機(jī)器的文本樣本來訓(xùn)練分類模型；
• 白盒檢測(cè)，這類方法擁有對(duì)大型語(yǔ)言模型的所有訪問權(quán)限，并且可以通過控制模型的生成行為或者在生成文本中加入水?。╳atermark）來對(duì)生成文本進(jìn)行追蹤和檢測(cè)。

在實(shí)踐中，黑盒檢測(cè)器通常由第三方構(gòu)建，例如 GPTZero，而白盒檢測(cè)器通常由大型語(yǔ)言模型開發(fā)人員構(gòu)建。

大型語(yǔ)言模型生成的文本檢測(cè)分類學(xué)

黑盒檢測(cè)

黑盒檢測(cè)一般有三個(gè)步驟，分別是數(shù)據(jù)收集，特征選擇和模型建立。

對(duì)于人類文本的收集，一種方法是招募專業(yè)人員進(jìn)行數(shù)據(jù)采集，但是這種方法費(fèi)時(shí)費(fèi)力，不適于大型數(shù)據(jù)集的收集，更加高效的方法是利用現(xiàn)有的人類文本數(shù)據(jù)，比如從維基百科上收集各種專家編輯的詞條，或者是從媒體上收集數(shù)據(jù)，例如 Reddit。

特征的選取一般分為統(tǒng)計(jì)特征，語(yǔ)言特征和事實(shí)特征。其中統(tǒng)計(jì)特征一般是用來檢查大型語(yǔ)言模型生成文本是否在一些常用的文本統(tǒng)計(jì)指標(biāo)上于人類文本不同，常用的有 TFIDF、齊夫定律等。語(yǔ)言特征一般是找一些語(yǔ)言學(xué)特征，比如詞性，依存分析，情感分析等。最后，大型語(yǔ)言模型常常會(huì)生成一些反事實(shí)的言論，因此事實(shí)驗(yàn)證也可以提供一些區(qū)分大型語(yǔ)言模型生成文本的信息。

現(xiàn)有的分類模型一般分為傳統(tǒng)的機(jī)器學(xué)習(xí)模型，例如 SVM 等。最新的研究?jī)A向于利用語(yǔ)言模型來做主干， 例如 BERT，RoBERTa， 并且取得了更高的檢測(cè)表現(xiàn)。

這兩種文本之間有明顯的不同。human-written 文本來自 Chalkbeat New York。

白盒檢測(cè)

白盒檢測(cè)一般默認(rèn)是大型語(yǔ)言模型開發(fā)人員提供的檢測(cè)。不同于黑盒檢測(cè)，白盒檢測(cè)對(duì)模型擁有完全訪問權(quán)力, 因此能通過改變模型的輸出來植入水印，以此達(dá)到檢測(cè)的目的。

目前的檢測(cè)方法可以分為 post-hoc 水印和 inference time 水印：

• 其中 post-hoc 水印是在大型語(yǔ)言模型生成完文本后，再在文本中加入一些隱藏的信息用于之后的檢測(cè)；
• Inference time 水印則是改變大型語(yǔ)言模型對(duì) token 的采樣機(jī)制來加入水印，在大型語(yǔ)言模型生成每一個(gè) token 的過程中，其會(huì)根據(jù)所有 token 的概率和預(yù)設(shè)的采樣策略來選擇下一個(gè)生成的詞，這個(gè)選擇的過程就可以加入水印。

Inference time 水印

作者擔(dān)憂

（1）對(duì)于黑盒模型，數(shù)據(jù)的收集是非常關(guān)鍵的一步，但是這個(gè)過程非常容易引入偏見（biases）。例如現(xiàn)有的數(shù)據(jù)集主要集中在問答，故事生成幾個(gè)任務(wù)，這就引入了主題的偏見。此外，大模型生成的文本經(jīng)常會(huì)出現(xiàn)固定的風(fēng)格或者格式。這些偏見常常會(huì)被黑盒分類器作為分類的主要特征而降低了檢測(cè)的魯棒性。

隨著大型語(yǔ)言模型能力的提升，大型語(yǔ)言模型生成的文本和人類的差距會(huì)越來越小，導(dǎo)致黑盒模型的檢測(cè)準(zhǔn)確性越來越低，因此白盒檢測(cè)是未來更有前景的檢測(cè)方式。

（2）現(xiàn)有的檢測(cè)方法默認(rèn)大型語(yǔ)言模型是被公司所有，因而所有的用戶都是通過 API 來獲得公司的大型語(yǔ)言模型服務(wù)，這種多對(duì)一的關(guān)系非常有利用檢測(cè)系統(tǒng)的部署。但是如果公司開源了大型語(yǔ)言模型，這將導(dǎo)致現(xiàn)有的檢測(cè)方法幾乎全部失效。

對(duì)于黑盒檢測(cè)，因?yàn)橛脩艨梢晕⒄{(diào)他們的模型，改變模型輸出的風(fēng)格或者格式，從而導(dǎo)致黑盒檢測(cè)無法找到通用的檢測(cè)特征。

白盒檢測(cè)可能是一個(gè)解決辦法，公司在開源模型之前可以給模型中加入一個(gè)水印。但是用戶同樣可以通過微調(diào)模型，改變模型 token 的采樣機(jī)制來移除水印?，F(xiàn)在還沒有一種水印技術(shù)能夠抵御用戶的這些潛在威脅。