NLPCC 2026 共享任务 6 的 EVIL-Detect：LLM 生成的文本检测

大语言模型 (LLM) 的快速发展增加了对 LLM 生成的文本进行可靠检测的需求，特别是在涉及人工书写文本 (HWT)、LLM 生成的文本 (LGT) 和 LLM 精炼文本 (HLT) 的现实中文场景中。本文提出了 EVIL-Detect，这是一个用于 NLPCC 2026 共享任务 6 的具有冲突感知融合的多信号集成框架。该系统集成了编辑范围回归、零样本似然对比信号、词汇统计和保守文本规则。通过校准决策边界和冲突感知集成，我们的系统提高了强分布外变化下的鲁棒性，宏观F1得分为0.8888，在官方评估中排名第一。我们的代码可在 https://github.com/bbbbhrrrr/evildetect 获取。