SenFlow：混合文档中人工智能生成文本检测的句子间流建模

针对混合文档的句子级人工智能生成文本检测（S-AGTD），其中人类和 LLM 共同创作一篇文本，面临两个差距：现有方法单独对每个句子进行分类，丢弃句子间的依赖关系，并且现有基准忽略了最新一代的生成器。我们构建了 MOSAIC，这是 PubMed 和 XSum 上 16,000 个混合文档的基准，由 DeepSeek-V3.2 和 Kimi K2 在严格的质量控制下生成，包括先前基准中缺少的困惑度一致性过滤器。我们将 S-AGTD 重新定义为对文档句子序列的结构化预测，并将其实例化为 SenFlow，将基于图的句子间传播与线性链 CRF 解码集成在句子图上的单个文档级传递中。 SenFlow 在 MOSAIC 上达到了最先进的性能，在跨域传输上平均 Macro-F1 裕度为 +4.15 pp，这是三个难度不断增加的协议中最难的一个。我们进一步发现，即使在困惑过滤器均衡了明显的线索之后，人工智能插入仍然保留了一个依赖于生成器的句子长度差距，句子级检测器仍然利用这一差距。代码及数据：https://github.com/luojingkun22/SenFlow