谷歌 DeepMind 与宾大论文：AI 文本检测器可解释其判定，同时达到黑盒模型精度
谷歌 DeepMind 与宾大在 Gemma-2-2B 检测器内部训练了稀疏自编码器，用大语言模型为每个特征打标签，只保留标签可靠的特征——域内 F1 达到 96.8，接近黑盒的 98.0；在未见过的数据上则反超黑盒（92.2 对 75.2）。为什么重要：AI 文本检测器已经在误标学生作文和同行评审，这套方法让审核者能看到并剔除检测器依赖的具体线索，是检测器可审计、偏差可纠正的一步。
报道来源
- Rohan Paul2026-10-22 20:04