従来のMLでLLM生成テキストを検出する手法
मूल शीर्षक: Detecting LLM-Generated Texts with “Classical” Machine Learning
यह क्यों महत्वपूर्ण है
LLM-जनित कंटेंट की पहचान के लिए हल्के, पारंपरिक ML मॉडल की व्यावहारिकता उद्योग और शिक्षा क्षेत्र दोनों के लिए महत्वपूर्ण है।
开発者lyc8503が、scikit-learnのSVMを使いLLM生成テキストを検出するモデルを構築。2026年初頭時点で主流LLMの生成文には強い統計的パターンがあり、単文での検出精度は約85%。オンラインデモとコードをGitHubで公開済み。
डेवलपर lyc8503 ने एक ब्लॉग पोस्ट में बताया कि 2026 की शुरुआत तक मुख्यधारा के LLM-जनित टेक्स्ट में इतने मजबूत सांख्यिकीय पैटर्न मौजूद हैं कि उन्हें पारंपरिक मशीन लर्निंग मॉडल से प्रभावी ढंग से पहचाना जा सकता है।
डेवलपर ने पहले "text perplexity" आधारित तरीका आज़माया, जिसमें किसी LLM से हर शब्द की संभावना का अनुमान लगाया जाता है। लेकिन यह तरीका व्यावहारिक नहीं रहा—false positives और false negatives दोनों अधिक थे, inference लागत ज़्यादा थी, और cross-model generalization कमज़ोर था।
इसके बाद scikit-learn के SVM (Support Vector Machine) का उपयोग किया गया। डेटा जनरेशन, ट्रेनिंग, और JS-आधारित वेब डेमो इम्प्लीमेंटेशन के बाद टेस्ट सेट पर एकल-वाक्य पहचान की सटीकता लगभग 85% रही।
मॉडल सामान्य-उद्देश्य डेटा पर प्रशिक्षित नहीं है और इसे कठोर अनुकूलन से भी नहीं गुज़ारा गया है। साथ ही, डेवलपर ने "Attack and Defense" पहलू भी जांचा—Classic Translation Method और LLM Prompt Method से डिटेक्शन को bypass करने की संभावनाओं का परीक्षण किया गया।
ऑनलाइन डेमो GitHub Pages पर उपलब्ध है और core code तथा trained model files GitHub रिपोज़िटरी lyc8503/AITextDetector पर सार्वजनिक किए गए हैं। डेवलपर का मानना है कि कई व्यावसायिक "AI plagiarism checkers" संभवतः इसी प्रकार के तरीके का उपयोग करते हैं।