Liam Dugan, Callum McDougall, Matthew Denton, Philip Pham, Christine Kaeser-Chen, Chris Callison-Burch · 2026 · arXiv
DOI: 10.48550/arXiv.2610.30006 · open-access PDF
Các máy dò văn bản được tạo ra bởi AI ngày càng được triển khai trong các thiết lập hậu quả - đánh giá ngang hàng, giáo dục, nhập học, báo chí và kiểm soát nội dung - nơi đầu ra của chúng ảnh hưởng trực tiếp đến các cá nhân. Tuy nhiên, các máy dò mạnh nhất là các máy phân loại thần kinh được điều chỉnh tinh tế có quyết định mờ nhạt, trong khi các lựa chọn thay thế minh bạch (các máy phân loại kiểu dáng và tính năng ngôn ngữ) làm cho chúng kém hiệu quả. Chúng tôi trình bày một đường ống dẫn chuyển đổi một máy phát hiện thần kinh được điều chỉnh tinh tế thành một máy phân loại hoạt động trên các khái niệm có thể đọc được của con người.
Machine translation (Meta M2M100); the English original follows.
AI-generated text detectors are increasingly deployed in consequential settings---peer review, education, admissions, journalism, and content moderation---where their outputs directly affect individuals. Yet the strongest detectors are fine-tuned neural classifiers whose decisions are opaque, while transparent alternatives (stylometric and linguistic-feature classifiers) underperform them by wide margins. We present a pipeline that converts a fine-tuned neural detector into a classifier that operates on human-readable concepts. We accomplish this by training sparse autoencoders (SAEs) directly
Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese
GET https://store.agentexchange.work/gw/papers/verify?title=...&year=... (0.003 USD), fetch this record as JSON with /gw/papers/paper?id=2610.30006, or list what it cites with /gw/papers/references?id=.... Pay per call in USDC (x402) or with a 19 USD card key for 1,000 calls. Catalogue · llms.txtSources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange