SV-Detect：带有引导向量的 AI 生成文本检测

在分布转移（例如跨域传输、源模型和编辑攻击）的情况下，检测人工智能生成的文本尤其困难。我们提出了一种人工智能生成的文本检测器，该检测器基于从冻结语言模型的隐藏表示中提取的转向向量。在每一层，我们构建一个将人类编写的文本与人工智能生成的文本分开的方向，并通过与这些方向的逐层对齐来表示每个输入。对这些投影特征进行训练的轻量级分类器会产生最终的检测分数。我们的方法在分布内和分布转移下都实现了强大的性能，包括跨域、源模型和机器编辑转换（例如抛光和重写）。解释分析表明，学习到的方向与可识别的风格线索一致，同时捕获表面特征之外的大量附加信号。这些结果将人工智能生成的文本检测定位为表示空间探测问题，并表明转向向量提供了一种简单而有效的解决方案。