科研 LLM 经 RAL 训练后连 Pangram 4.1 检测器也判为人类
alejandroll10 · x · 2026-11-17
团队训练了一个科研写作 LLM,先用人类专家盲测验证其文字已无法与真人区分;随后发现训练过程中模型的文本在 Pangram 4.1 AI 检测器上的判定也发生了转变。配图显示:RAL(reinforcement against detectors)训练约 500 步后,测试摘要被标记为 AI 的比例从 100% 降至接近 0,与真人 NIH 摘要持平;对比基线中 Qwen3-32B SFT 等仍被高比例识别,而 RAL 训练后的模型检出率与真实人类摘要相当。这说明 AI 文风检测对经过对抗训练的模型基本失效。
「研究」频道最新
- UCLA与AWS论文:AI Agent解数学题靠找捷径,思考耗时常抵消收益 — rohanpaul_ai · 2026-11-17
- arXiv论文《Agentic Computational Algebra》:Agent代数求解的三种模式实验 — rohanpaul_ai · 2026-11-17
- 研究者号召把闲置 AI 算力拿去改进「三次割宽常数」 — rrwilliams · 2026-11-17
- ICLR 2027 讨论期结束,研究者呼吁审稿人至少回应作者 rebuttal — IanArawjo · 2026-11-17
- DeepMind 研究员用 AI 管线自动设计可平折 3D 折纸模型 — TZahavy · 2026-11-17
- 研究者发现 Claude 疑似被「喂」了控制评估 LinuxArena 并记住细节 — adam_karvonen · 2026-11-17