WaveDetect：通过小波变换进行机器生成文本检测的鲁棒框架

随着 大语言模型 在自然语言生成方面逐渐接近人类水平的流畅性，仅仅依靠表面级语义工件来检测 LLM 生成的文本已经变得越来越不稳定。现有的探测器在面临三个关键挑战时常常会举步维艰：对抗性扰动、跨域转移以及基础模型的快速时间演化。为了解决这些问题，我们提出了 \waveDetect，这是一种新颖的框架，它将文本检测重新表述为时频域内的信号处理任务。与之前分析静态标记概率分布的方法不同，\waveDetect 将生成的输出建模为概率信号，并应用可微连续小波变换将其转换为可学习的频谱表示。这个过程揭示了机器生成的文本中固有的“光谱指纹”——在时域中仍然不可见的模式。对三个精心策划的数据集（RAID、EvoBench 和 Domain-Shift）的综合评估表明，我们的方法达到了新的最先进水平。它不仅实现了卓越的准确性，而且还针对复杂的攻击、跨分布主题的泛化和未见的演变 LLM 表现出了卓越的鲁棒性。我们的结果验证了光谱分析作为 LLM 生成文本检测的有前景范例的有效性。