Detectando LLMs con binoculares: detección zero-shot de texto generado por máquinas

Spotting LLMs With Binoculars: Zero-Shot Detection of Machine-Generated Text

January 22, 2024

Autores: Abhimanyu Hans, Avi Schwarzschild, Valeriia Cherepanova, Hamid Kazemi, Aniruddha Saha, Micah Goldblum, Jonas Geiping, Tom Goldstein

cs.AI

Resumen

Detectar texto generado por modelos de lenguaje grandes (LLMs) modernos se considera difícil, ya que tanto los LLMs como los humanos pueden exhibir una amplia gama de comportamientos complejos. Sin embargo, descubrimos que una puntuación basada en contrastar dos modelos de lenguaje estrechamente relacionados es altamente precisa para separar texto generado por humanos y texto generado por máquinas. Basándonos en este mecanismo, proponemos un nuevo detector de LLMs que solo requiere cálculos simples utilizando un par de LLMs preentrenados. El método, llamado Binoculars, logra una precisión de vanguardia sin necesidad de datos de entrenamiento. Es capaz de identificar texto generado por máquinas de una variedad de LLMs modernos sin modificaciones específicas para cada modelo. Evaluamos exhaustivamente Binoculars en varias fuentes de texto y en diferentes situaciones. En una amplia gama de tipos de documentos, Binoculars detecta más del 90% de las muestras generadas por ChatGPT (y otros LLMs) con una tasa de falsos positivos del 0.01%, a pesar de no haber sido entrenado con ningún dato de ChatGPT.

English

Detecting text generated by modern large language models is thought to be hard, as both LLMs and humans can exhibit a wide range of complex behaviors. However, we find that a score based on contrasting two closely related language models is highly accurate at separating human-generated and machine-generated text. Based on this mechanism, we propose a novel LLM detector that only requires simple calculations using a pair of pre-trained LLMs. The method, called Binoculars, achieves state-of-the-art accuracy without any training data. It is capable of spotting machine text from a range of modern LLMs without any model-specific modifications. We comprehensively evaluate Binoculars on a number of text sources and in varied situations. Over a wide range of document types, Binoculars detects over 90% of generated samples from ChatGPT (and other LLMs) at a false positive rate of 0.01%, despite not being trained on any ChatGPT data.