Agent调用基础语言模型拼接文本，可绕过AI内容检测

我们证明，配备基础语言模型的编码Agent可以成功地从其样本中组装响应以逃避检测。基础模型已被证明可以逃避商业检测器，然而，先前的“人性化”技术依赖于使用这些模型对AI输出进行多轮改写，这总是会导致语义漂移。相比之下，让编码Agent通过从基本模型中拼接文本样本来直接编排写作过程，可以产生连贯的、特定于任务的且总体高质量的输出。我们发现，在 Claude Code Harness中运行的 Claude Opus 5 可以有效地编排本地 32B 参数 OLMo-2 基础 LM，并且在跨创意写作、事实基础、健康 QA 和指令遵循的基准测试中牺牲很少的任务准确性，同时使用高达 90% 的基础 LM 词元。以这种方式构建的响应降低了事后检测器的有效性（Pangram v4 检测率从 77% 下降到 24%）和先验应用于Agent生成结果的软水印（低至低 FPR 下的模拟 10% 检测）。虽然有效，但这种规避需要Agent提供大量的输入和输出词元，从而使每次查询的美元成本按 API 定价增加高达 30 倍。总体而言，这项工作展示了针对人工智能文本检测的新型对抗性攻击的有效性，并敦促事后检测提供商将基础模型的输出纳入其训练中。