2025_NIPS_IPAD: Inverse Prompt for AI Detection - A Robust and Interpretable LLM-Generated Text D...

IPAD 论文核心总结与翻译

一、主要内容总结

该研究针对现有大语言模型（LLM）生成文本检测工具在分布外（OOD）数据、受攻击数据上鲁棒性不足，且缺乏可解释决策依据的问题，提出了一种名为IPAD（Inverse Prompt for AI Detection）的新型检测框架。

核心构成

1. Prompt Inverter（提示词反演器）：从输入文本中重构可能生成该文本的潜在提示词，为后续检测提供基础。
2. 双鉴别器模块：
   • 提示词-文本一致性验证器（PTCV）：评估输入文本与预测提示词的匹配程度。
   • 再生文本比较器（RC）：将输入文本与基于预测提示词再生的文本进行一致性对比。
3. 决策融合：通过加权融合PTCV和RC的概率得分，输出最终分类结果（人类撰写/LLM生成）。

关键性能

• 在分布内数据上，平均召回率（AvgRec）超越现有最佳基线9.05%；
• 在分布外数据上，AUROC指标领先12.93%；
• 在受攻击数据上，AUROC指标提升5.48%；
• 对结构化数据集（如长提示词文本、代码反馈、数学问题等）表现稳定。

核心优势

• 鲁棒性