持续漂移下的AI文本检测：新研究提出测试时自适应方法

arXiv发表了一项关于AI文本检测在持续分布漂移下表现的新研究。研究指出，当前部署的AI文本检测方法通常依赖训练时的人工/AI文本标注数据集，但在部署后连续面临三类分布漂移：对抗性人工化（即人类改写AI文本）、新LLM的发布和人类写作风格随时间的变化。

这些漂移在部署后持续出现，而标注数据往往不可用。研究还指出，现有方法未能利用一个有价值的信号——LLM自身对文本不确定性的表征——来辅助自适应检测。

该论文于2026年6月25日发布于arXiv cs.CL。随着检测与反检测的军备竞赛不断升级，能够自适应地应对持续变化的AI文本检测方法变得愈发关键。