研究者提出RelPPR检测LLM生成文本
热点事件持续更新
研究者提出RelPPR检测LLM生成文本
1 篇报道1 个报道来源18 小时前更新
先了解这件事
AI 综述
2026年10月28日，arXiv Artificial Intelligence 刊出研究，Xinpeng Wang 等作者提出 Relative Peak Prominence Rate（RelPPR）指标，沿熵轨迹捕捉机器生成文本的局部熵尖峰，用于黑盒场景下的 LLM 生成文本检测。报道称，现有双模型检测器和重采样检测器在指令条件下会严重失效，原因分别是提示词条件化不足和跨模型差异减弱。多模型族与数据集评测显示，RelPPR 达到黑盒检测 SOTA，并在多种实际情境下保持最可靠表现，代码已公开。目前事件进展停留在该方法提出与评测阶段，报道未提及后续应用或独立复现。
AI 根据报道生成 · 3 小时前更新
最新进展10月28日 12:00
基于局部熵波动的黑盒 LLM 生成文本检测方法 RelPPR报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv Artificial Intelligence基于局部熵波动的黑盒 LLM 生成文本检测方法 RelPPR
研究者提出 Relative Peak Prominence Rate（RelPPR）指标，沿熵轨迹捕捉机器生成文本的局部熵尖峰，用于黑盒场景下的 LLM 生成文本检测。现有双模型检测器和重采样检测器在指令条件下会严重失效，原因分别是提示词条件化不足和跨模型差异减弱。多模型族与数据集评测显示 RelPPR 达到黑盒检测 SOTA，并在多种实际情境下保持最可靠表现，代码已公开。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。