Обнаружение языковых моделей в бинокль: нулевой сценарий выявления машинно-сгенерированного текста

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

January 22, 2024

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

cs.AI

Аннотация

Обнаружение текста, сгенерированного современными большими языковыми моделями (LLM), считается сложной задачей, поскольку как LLM, так и люди могут демонстрировать широкий спектр сложных поведений. Однако мы обнаружили, что оценка, основанная на сравнении двух тесно связанных языковых моделей, является высокоточным методом для разделения текста, созданного человеком и машиной. На основе этого механизма мы предлагаем новый детектор LLM, который требует только простых вычислений с использованием пары предварительно обученных LLM. Метод, названный Binoculars, достигает наилучшей точности без необходимости использования обучающих данных. Он способен обнаруживать машинный текст из широкого спектра современных LLM без каких-либо модификаций, специфичных для конкретной модели. Мы всесторонне оцениваем Binoculars на различных источниках текста и в различных ситуациях. На широком диапазоне типов документов Binoculars обнаруживает более 90% сгенерированных образцов от ChatGPT (и других LLM) при уровне ложноположительных срабатываний 0,01%, несмотря на отсутствие обучения на данных 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.