本論文は、Elitsa Yotkova、Violeta Kastreva、Dimitar Dimitrov、Ivan Koychev、Preslav NakovからなるFMI_SU_Yotkova_KastrevaチームによるSemEval-2026 Task 13への参加について報告する。このタスクは、多様なプログラミング言語とアプリケーションシナリオにおいて、大規模言語モデル（LLM）が生成したコードを検出することを目的としており、参加システムは未見の言語やドメインへの一般化が求められる。チームはサブタスクA（二値分類）に焦点を当て、事前学習済みコードエンコーダと軽量な特徴ベース手法の両方を探索した。
彼らは、コードスニペットの長さに影響されにくい比率ベースの特徴を設計した。また、記述性に関連するシグナルを抽出するために、パーシングエンジンとプログラミング言語分類器を使用し、サンプル内に埋め込まれた自然言語セグメントを識別するためのコード対テキスト行分類器を別途訓練した。最終的な予測は、浅い決定木とデータ分析から導出されたヒューリスティックルールを組み合わせて生成される。
このアプローチは計算効率が高く、訓練にはCPUリソースのみを必要とし、ほぼ瞬時の推論時間を達成している。大規模な事前学習モデルに依存する方法と比較して、軽量でスケーラブルな代替手段を提供する。本研究は、巧妙に設計された統計的特徴と単純なモデルでも、機械生成コード検出タスクにおいて良好な性能を発揮し、計算コストを抑えられることを示している。論文は2026年5月5日にarXivに提出され、現在DOI登録が保留中である。