告诉我你如何推理，我会告诉你你是谁：强大的 LLM 作者归属的推理图

鉴于当前在几乎任何可以想象的环境中使用 大语言模型 (LLM) 的趋势，LLM 生成的文本检测和作者归属已成为一个紧迫的问题。之前的工作主要集中在表面语言特征上，这种方法很容易受到释义和其他混淆技术的影响。在本文中，我们超越了语言表面，提取并分析了 LLM 生成的文本中的推理结构，目的是捕获 LLM 作者身份的更复杂信号。我们提出了一种图神经网络方法，该方法利用参数挖掘管道提取的推理图，证明了比传统 Longformer 基线更高的鲁棒性和泛化性。在释义和回译等混淆攻击下，我们的方法比基线高出高达 27 个百分点；在对未见过的模型版本生成的文本进行评估时，比基线高出 19 个百分点，模拟新的 LLM 版本不断发布的现实条件。