Mistral-7B-Instruct 将机器文本“人类化”后统计复杂度上升导致检测误报率激增

该研究通过语义、结构及分词器层面的扰动分析发现，监督式 AI 文本检测器的决策依据并非内容真实性，而是统计复杂性指标。当使用 Mistral-7B-Instruct 指令让机器生成的文本听起来更像人类时，动词多样性从 0.77 升至 0.92，但输出反而更容易被检测器识别，且对正式人类写作的误报率高达 76.3%。

实验证据显示，基于 RoBERTa 的检测器在特定特征上表现稳健，但在事件基线的潜在空间检测中表现极差：改写在 87% 的情况下改变了事件序列（Jaccard 系数为 0.067），同形字符修改了 70% 的提取动词，其最佳领域 AUC 仅为 0.577。这表明所谓的“人类化”操作实际上增加了文本的统计复杂度，触发了检测器的警报阈值，而非降低可检测性。

事实层面确认了当前检测工具对形式特征的依赖；推断层面指出试图通过改写规避检测的行为可能适得其反；猜测层面认为若缺乏对底层特征机制的理解，任何针对检测器的对抗性微调都难以建立通用防御。这一结论挑战了行业对于文本检测能有效区分人机内容的普遍假设，提示在评估检测系统时需严格区分统计特征与语义意图。