摘要:人工智能生成文本檢測(cè)(AIGTD)旨在對(duì)候選文本進(jìn)行分類,判斷其是由人類撰寫(xiě)還是由人工智能(AI)生成。近年來(lái),AIGTD引起了廣泛關(guān)注,提出了眾多創(chuàng)新方法。然而,現(xiàn)有研究較為零散,缺乏系統(tǒng)性和全面的理解框架。為填補(bǔ)這一空白,本文系統(tǒng)梳理并總結(jié)了最新進(jìn)展與前沿技術(shù),并提出了一種新的多層次分類框架,以統(tǒng)一現(xiàn)有研究方向,推動(dòng)領(lǐng)域發(fā)展。具體而言,該框架將現(xiàn)有方法歸納為三大研究方向,即針對(duì)分類器訓(xùn)練、內(nèi)在屬性以及信息嵌入的核心挑戰(zhàn)。同時(shí),本文引入了基于可解釋性和透明度的黑盒與白盒模型分類及其計(jì)算需求,進(jìn)一步分析不同方法在檢測(cè)與對(duì)抗場(chǎng)景中的適用性。此外,為系統(tǒng)評(píng)估現(xiàn)有方法的性能,本文整理并收集了常用的基準(zhǔn)數(shù)據(jù)集,全面比較和分析現(xiàn)有方法在多個(gè)數(shù)據(jù)集上的表現(xiàn)。最后,本文總結(jié)和展望了AIGTD領(lǐng)域未來(lái)的潛在研究方向。為支持該領(lǐng)域研究,我們整理并公開(kāi)相關(guān)資源,Github訪問(wèn)地址為:AIGTD-Survey
論文信息: Zhiwei Yang, Zhengjie Feng, Rongxin Huo, Huiru Lin, Hanghan Zheng, Ruichi Nie, Hongrui Chen. The Imitation Game revisited: A comprehensive survey on recent advances in AI-generated text detection[J]. Expert Systems with Applications, 2025, 272: 126694.