Beyond Global Scalars: Synergizing Token-Level Statistics and Deep Semantics for Adversarial AIGC Text Detection

📄 arXiv: 2608.28009v1 📥 PDF

作者: Peiming Li, Yifan Wang, Zhiyuan Hu, Shiyu Li, Zheng Wei, Yang Tang

分类: cs.CL

发布日期: 2026-08-28

备注: Accepted by EMNLP 2026 Findings

🔗 代码/项目: GITHUB

💡 一句话要点

提出MOSAIC基准与NeuroStat框架以解决对抗性文本检测问题

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 对抗性检测 文本生成 深度学习 统计特征 语义特征 机器学习 模型鲁棒性

📋 核心要点

  1. 现有的对抗性文本检测方法存在明显的不足，主要是依赖全局统计或语义特征，导致在对抗攻击下表现不佳。
  2. 本文提出的NeuroStat框架通过融合标记级概率逻辑和深层语义特征，旨在克服现有方法的局限性，实现更高的检测鲁棒性。
  3. 实验结果显示，NeuroStat在MOSAIC基准上表现出色，相较于现有方法，鲁棒性显著提升，建立了新的检测标准。

📝 摘要（中文）

随着大型语言模型的快速发展，机器生成文本的检测变得愈发重要。现有方法通常分为两类：基于训练的和无训练的方法。前者依赖于语义隐藏状态，后者则使用全局统计标量，如困惑度。这两种方法在对抗场景中均存在明显的脆弱性。为了解决这些问题，本文提出了MOSAIC，一个包含16000个样本的全面对抗基准，并提出了NeuroStat框架，旨在桥接统计与语义之间的差距。NeuroStat通过融合未压缩的标记级概率逻辑和深层语义隐藏状态，显著提高了对抗文本检测的鲁棒性。实验结果表明，NeuroStat在MOSAIC基准上表现优异，超越了现有的最先进方法。

🔬 方法详解

问题定义：本文旨在解决机器生成文本的对抗性检测问题。现有方法在对抗场景中表现脆弱，基于全局统计的模型无法捕捉局部特征，而基于语义的模型则容易过拟合特定模式。

核心思路：论文提出的NeuroStat框架通过同时捕捉标记级概率逻辑和深层语义特征，旨在弥补统计与语义之间的差距，从而提高对抗性文本检测的鲁棒性。

技术框架：NeuroStat框架由多个模块组成，包括标记级概率逻辑提取、深层语义特征提取和特征融合模块。通过Macro-State Residual Modulation技术，框架能够自适应地校准局部卷积特征。

关键创新：最重要的创新在于将标记级概率逻辑与深层语义特征进行融合，形成了一种新的特征表示方式。与现有方法相比，这种方法能够更全面地捕捉文本的统计特性和语义信息。

关键设计：在损失函数设计上，采用了正交和对比损失，以确保学习到互补的特征表示。此外，框架的参数设置经过精心调整，以优化模型的性能和鲁棒性。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

在MOSAIC基准上，NeuroStat框架的鲁棒性显著优于现有最先进的方法，具体表现为在对抗攻击下的检测准确率提升超过20%。这一结果为对抗性文本检测设立了新的标准，展示了其在实际应用中的潜力。

🎯 应用场景

该研究的潜在应用领域包括社交媒体内容监测、新闻验证和教育领域的文本生成检测等。通过提高对抗性文本检测的准确性，NeuroStat框架能够有效防止虚假信息的传播，具有重要的社会价值和实际影响。

📄 摘要（原文）

The rapid evolution of large language models necessitates robust machine-generated text detection. Existing paradigms typically follow two isolated tracks. Training-free methods rely on global statistical scalars such as perplexity, while training-based methods utilize semantic hidden states. Both approaches exhibit fundamental vulnerabilities in adversarial scenarios. Global scalars act as lossy compressions that obscure local probabilistic burstiness in interleaved texts, whereas pure semantic models overfit to specific fingerprints and remain susceptible to spoofing. To expose these flaws, we introduce MOSAIC, a comprehensive adversarial benchmark comprising 16000 samples across a full-granularity attack spectrum. To address these challenges, we propose NeuroStat, an end-to-end framework bridging the statistical and semantic gap. NeuroStat captures uncompressed token-level probabilistic logits alongside deep semantic hidden states from a single causal language model backbone. We fuse these heterogeneous signals through Macro-State Residual Modulation, which adaptively calibrates local convolutional features using global uncertainty indicators. Orthogonal and contrastive losses further ensure the learning of complementary representations. Extensive experiments demonstrate that NeuroStat maintains exceptional robustness on MOSAIC compared to the severe degradation of state-of-the-art methods, establishing a new standard for adversarial text detection. Code and the MOSAIC benchmark are available at https://github.com/TencentBAC/NeuroStat.