EASE：通过熵自适应采样规避AI文本检测

AI 生成文本 (AIGT) 检测可能对源大语言模型 (LLM) 的解码选择敏感。我们观察到，扰乱下一个Token的逻辑或调整采样温度会降低检测性能，从而提供检测器易受解码时间分布变化影响的清晰信号。基于这一观察，我们提出了 EASE（规避熵自适应分布整形），这是一种无需训练且与检测器无关的框架，用于规避 AIGT 检测器。 EASE 直接根据源 LLM 的下一个Token分布计算预测熵，并使用它来适应 Logit 扰动和采样温度，无需检测器反馈或模型微调。跨三个源 LLM 和多个检测器的实验表明，检测性能持续下降，文本质量下降可以忽略不计，推理开销也可以忽略不计。