READER：推理增强型人工智能生成的文本检测

大语言模型 (LLM) 的最新进展使得区分人类编写的文本和人工智能生成的内容变得越来越困难。许多现有的检测器训练有监督的神经分类器，这些分类器实现了强大的分布内性能，但通常是不透明的，并且在分布偏移下会大幅退化。我们推出了 READER，一种推理增强型人工智能文本检测器，它输出人类/人工智能标签和描述其决策证据的结构化基本原理。我们方法的一个关键组成部分是 READ，这是一组精心策划的理由和结论的监督。我们在 READ 上微调 LLM 来构建 READER，它在推理时进行检测之前进行推理。尽管只有 1.5B 参数，READER 始终优于现有检测器以及提示的高容量 LLM 基线（GPT-5.2、Gemini-3-Pro 和 DeepSeek-V3.2），其规模大 100 到 1000 倍。