StyleShield: 連続制御可能なスタイル変換によるAIGC検出器の脆弱性の暴露

AI生成コンテンツ（AIGC）検出器は、学術的誠実性審査などの重要な場面でますます導入されているが、その信頼性は根本的なパラドックスに依存している。言語モデルが人間が書いたコーパスで訓練されるにつれて、AIと人間の執筆の統計的境界は必然的に溶解するからである。商業的インセンティブはこの状況をさらに歪めており、検出サービスと「脱AI化」ツールはしばしば同じサプライチェーン内で動作し、コンテンツの品質評価を起源の判断に置き換えている。このような背景の中、Guantian ZhengはStyleShieldを提案する。これは条件付きテキストスタイル変換のための最初のフローマッチングフレームワークであり、DiTバックボーンとゼロ初期化されたクロスアテンションアダプターを使用して、凍結されたQwen-7B表現に条件付けられ、連続トークン埋め込み空間で直接動作する。推論時には、画像合成からのSDEditパラダイムをテキスト埋め込みに適応し、単一パラメータgammaによって回避と保存のトレードオフをスムーズに連続制御する。中国語マルチドメインベンチマークでは、StyleShieldは訓練済み検出器に対して94.6%、未見の3つの検出器に対して99%以上の回避率を達成し、0.928の意味的類似性を維持した。さらに、研究はRateAuditを導入する。これは文書レベルのスケジューリングアルゴリズムであり、検出率判定が任意の値に設定できることを実証し、スコアベース評価の信頼性に直接疑問を投げかける。コードとモデルの重みは、論文が受理された後に公開される予定である。この研究は、現在のAIGC検出技術の脆弱性を露呈するだけでなく、商業的利益によって検出ツールの公正性が組織的に損なわれる可能性があることを警告している。StyleShieldの手法は、AI検出のパラダイムシフトを促す重要な一歩と言える。