Нападение только на половину данных: двухслойная оценка жесткости АИ-передатчика

arXiv: 2610.18151v1 Аннонс Тип: новое резюме: мы изучаем надежность широко используемых текстовых детекторов АИ, применяемых как к человеческим, так и машинным текстам. Предварительные оценки обычно нападают только на машинный текст, не принимая во внимание то обстоятельство, что человеческий текст регулярно модифицируется путем грамматической коррекции, форматирования или включения невидимого символа. Мы введем двусторонний протокол, который будет применяться к атакам обоих классов. По двум и девяти детекторам Corpora и 9 детекторов, полученные AUROC прибыли исчезают в рамках двусторонней оценки, при этом нападавший человеческий текст неправильно классифицирован по ставкам до 100%. В то время как простая предварительная обработка меняет атаки на уровень персонажей, замена слов синонимом по-прежнему является эффективным средством сохранения смысла и необратимой.