MultiGhostBench：分布变化下长格式 LLM 生成的文本归因的多语言基准

虽然 LLM 作者归属 (AA) 的现有工作已取得进展，但可用的基准仍然有限，通常侧重于英语、受控设置或相对过时的模型，少数多语言研究仅考虑相对较短的文本。我们推出了 MultiGhostBench，这是一个多语言基准测试，包含由最近的五本 LLM 生成的 928 本书，涵盖六种语言和三种脚本，每本书的平均长度约为 59K 字。该基准支持领域、作者和语言转换下的评估。对代表性 AA 方法的评估表明，没有一种方法能够在不同设置下始终表现最佳，并且在分布变化下性能通常会下降。基于 Transformer 的检测器可以跨语言保留与生成器相关的信息，尽管传输效率因语言对而异，而统计和基于指纹的检测器则更依赖于语言。我们设想 MultiGhostBench 成为开发和评估稳健的 AA 方法的宝贵资源。数据集和代码可以在 https://github.com/GrecoMT/MultiGhostBench 找到。