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。

原文链接 →

「研究」频道最新

更多「研究」频道 AI 资讯 →