中文内容

已翻译professional source英文原文2026-06-06

计算机科学 > 计算与语言

[提交于 2026 年 6 月 4 日]

标题：Operation-Guided Progressive Human-to-AI Text Transformation Benchmark for Multi-Granularity AI-Text Detection

作者：Sondos Mahmoud Bsharat, Jiacheng Liu, Xiaohan Zhao, Tianjun Yao, Xinyi Shang, Yi Tang, Jiacheng Cui, Ahmed Elhagry, Salwa K. Al Khatib, Hao Li, Salman Khan, Zhiqiang Shen

View PDF HTML (experimental)

摘要：随着 AI 写作助手日益融入现实世界的起草与修订流程，许多文档已不再是纯粹由人类撰写或由 AI 生成，而是渐进式人机共同编辑的结果。然而，现有 AI 文本检测基准大多关注最终输出，对 AI 作者身份信号如何在修订过程中出现、累积或消失的理解有限。我们提出 OpAI-Bench，这是一个操作引导式基准，用于研究文档、句子、词元和文本片段等粒度上的渐进式人类到 AI 文本转换。OpAI-Bench 从人类撰写的文档出发，在预设 AI 覆盖水平和五类代表性 AI 编辑操作下，为每个样本构建九个按顺序修订的版本，覆盖四个领域，同时在多种粒度上保留完整的作者身份来源信息

Comments: Subjects: 计算与语言（cs.CL）; Artificial Intelligence (cs.AI); Machine Learning (cs.LG) Cite as: arXiv:2606.06481 [cs.CL] (or arXiv:2606.06481v1 [cs.CL] for this version) https://doi.org/10.48550/arXiv.2606.06481

聚焦以了解更多

arXiv-issued DOI via DataCite (pending registration)

提交历史

From: Sondos Mahmoud Bsharat [view email]
[v1] Thu, 4 Jun 2026 17:58:05 UTC (1,295 KB)

全文链接：

访问论文：

查看许可

当前浏览上下文：

正文：cs.CL

< prev | next >

new | recent | 2026-06

Change to browse by:

cs
cs.AI
cs.LG

参考文献与引用

正文：NASA ADS
正文：Google Scholar
正文：Semantic Scholar

export BibTeX citation 加载中...

BibTeX 格式引用

加载中...

数据提供方：

书签

Bibliographic Tools

书目与引用工具

书目浏览器切换

书目浏览器 (What is the Explorer?)

Connected Papers 切换

正文：Connected Papers (What is Connected Papers?)

Litmaps 切换

正文：Litmaps (What is Litmaps?)

scite.ai 切换

正文：scite Smart Citations (What are Smart Citations?)

Code, Data, Media

与本文相关的代码、数据和媒体

alphaXiv 切换

正文：alphaXiv (What is alphaXiv?)

代码链接切换

CatalyzeX 论文代码查找器 (What is CatalyzeX?)

DagsHub 切换

正文：DagsHub (What is DagsHub?)

GotitPub 切换

正文：Gotit.pub (What is GotitPub?)

Huggingface 切换

正文：Hugging Face (What is Huggingface?)

ScienceCast 切换

正文：ScienceCast (What is ScienceCast?)

Demos

演示

Replicate 切换

正文：Replicate (What is Replicate?)

Spaces 切换

正文：Hugging Face Spaces (What is Spaces?)

Spaces 切换

正文：TXYZ.AI (What is TXYZ.AI?)

arXivLabs：与社区协作者开展的实验性项目

arXivLabs 是一个框架，允许协作者直接在我们的网站上开发并分享新的 arXiv 功能。

与 arXivLabs 合作的个人和组织均已认同并接受我们关于开放、社区、卓越和用户数据隐私的价值观。arXiv 致力于这些价值观，并且只与遵循这些价值观的合作伙伴合作。

有想法为 arXiv 社区增加价值吗？了解更多关于 arXivLabs 的信息。

面向多粒度 AI 文本检测的操作引导式渐进人类到 AI 文本转换基准