困惑陷阱：当专利法使人类写作看起来像人工智能时

欧洲专利局 (EPO) 报告了 2025 年的创纪录申请，2026 年 EPO 指南要求申请人根据第 83 条和第 42 条对 LLM 辅助内容严格负责，从而对分类可疑的人工智能生成的专利文本产生了压力。有两个限制使这变得困难。首先，现实的起诉设置通常只有具有约 8 GB VRAM 的消费级 GPU，而不是数据中心级评分堆栈。其次，《欧洲专利公约》第84条要求权利要求清晰、简洁，将人工起草推向与LLM相同的低复杂性、低突发性流形。我们使用五种提示策略，对 500 项授予的 EPO H04 电信专利与 500 项 LLM 生成的对应专利进行了三个开源零样本检测器的基准测试，所有这些都在消费类硬件范围内。在声明层面，所有探测器的误报率均超过 60%：双筒望远镜 78.3%、Fast-DetectGPT 61.3%、DetectGPT 80.5%。在 Qwen2.5-3B-Instruct 再生、LoRA 适应的 Pythia-2.8B 评分头、A61K、C07D 和 F03D 上的跨 IPC 复制（平均 FPR 84.6%）以及使用已发布的 Falcon-7B 和 GPT-J-6B 头进行 H100 重新评估时，失败仍然存在，认为问题是结构性的，而不是替代模型容量。七个特征的语言复杂性逻辑回归的准确率达到 74.0%，FPR 为 28.1%，在可比较的操作点上比仅使用困惑度的基线提高了 13 个百分点，并且在推理时不使用似然性，并且在相同的硬件预算内。