轻量级文体一致性分析：对 LLM 生成的文本内容进行稳健检测以进行多媒体审核

大语言模型 (LLM) 在内容创建中的日益普及，使得区分人类编写的文本内容与 LLM 生成的对应内容成为多媒体审核的关键任务。现有的检测器通常依赖于统计线索或特定于模型的启发式方法，使它们容易受到释义和对抗性操作的影响，从而限制了它们的鲁棒性和可解释性。在这项工作中，我们提出了 LiSCP，一种新颖的轻量级风格一致性分析方法，用于稳健检测 LLM 生成的文本内容，重点关注对抗性操作下的特征稳定性。我们的方法构建了一个一致性配置文件，将离散的文体特征与连续的语义信号相结合，利用多模态引导的释义文本变体的文体稳定性。跨越现实世界多媒体新闻和电影数据集以及传统文本域的实验表明，LiSCP 在域内检测方面实现了卓越的性能，并且在跨域设置中比现有方法高出高达 11.79%。此外，它在对抗性场景下表现出显着的鲁棒性，包括对抗性攻击和混合人类人工智能设置。