「古典的」機械学習でLLM生成テキストを検出
Judul asli: Detecting LLM-Generated Texts with “Classical” Machine Learning
Mengapa Ini Penting
AIGC検出の仕組みと限界を実証したオープンソース事例として業界の参考になる。
開発者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。テストセットでの単文検出精度は約85%を達成し、デモをGitHubで公開した。
開発者lyc8503は2026年3月、サポートベクターマシン（SVM）を用いてLLM生成テキストを検出するプロジェクトの詳細を公開した。テストセットでの単文検出精度は約85%で、オンラインデモはGitHub Pages（https://lyc8503.github.io/AITextDetector/）で試せる。コアコードと学習済みモデルはGitHubリポジトリ「lyc8503/AITextDetector」で公開されている。
開発のきっかけは、コンテンツ投稿サイトLofterでAI生成の低品質二次創作が大量に流通しているのを目撃したことだという。
同氏はまず「テキストパープレキシティ」を用いた手法を試みたが、偽陽性・偽陰性が多く実用的な閾値の設定が困難なため断念。最終的にscikit-learnのSVMを採用し、データ生成・学習・JavaScriptによるWebデモ実装まで一貫して実施した。また、翻訳を介した検出回避やLLMプロンプトによる回避手法についても検証している。同氏は「2026年初頭時点で、主流のLLM生成テキストには強い統計的パターンがある」と述べている。