Detectando LLMs com Binóculos: Identificação Zero-Shot de Texto Gerado por Máquina

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

Resumo

A detecção de texto gerado por modelos de linguagem modernos de grande escala é considerada difícil, pois tanto os LLMs quanto os humanos podem exibir uma ampla gama de comportamentos complexos. No entanto, descobrimos que uma pontuação baseada no contraste entre dois modelos de linguagem intimamente relacionados é altamente precisa na separação de texto gerado por humanos e texto gerado por máquinas. Com base nesse mecanismo, propomos um novo detector de LLM que requer apenas cálculos simples usando um par de LLMs pré-treinados. O método, chamado Binoculars, alcança precisão de ponta sem a necessidade de dados de treinamento. Ele é capaz de identificar texto gerado por máquinas de uma variedade de LLMs modernos sem qualquer modificação específica do modelo. Avaliamos o Binoculars de forma abrangente em várias fontes de texto e em diferentes situações. Em uma ampla variedade de tipos de documentos, o Binoculars detecta mais de 90% das amostras geradas pelo ChatGPT (e outros LLMs) com uma taxa de falsos positivos de 0,01%, apesar de não ter sido treinado com nenhum dado do 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.