StyleShield：通过连续可控风格迁移揭示AIGC检测器的脆弱性

AI生成内容（AIGC）检测器正越来越多地被部署在学术诚信审查等高风险场景中，但它们的可靠性建立在一个根本性悖论之上：随着语言模型在人类撰写的语料上不断训练，AI与人类写作之间的统计边界将不可避免地消融。商业激励进一步扭曲了这一格局——检测服务和“去AI化”工具往往在同一供应链中运作，将内容质量评估替换为内容来源判断。在此背景下，Guantian Zheng提出StyleShield，这是首个用于条件文本风格迁移的流匹配框架。它直接在连续词嵌入空间中操作，采用DiT（Diffusion Transformer）骨干网络，并通过零初始化的交叉注意力适配器以冻结的Qwen-7B表示为条件。在推理阶段，StyleShield将图像合成中的SDEdit范式适配到文本嵌入，使用单一参数gamma实现规避与保留权衡的平滑连续控制。在包含多个领域的中文基准测试上，StyleShield对训练过的检测器实现了94.6%的规避率，对三个未见过检测器的规避率超过99%，同时保持了0.928的语义相似度。此外，研究还引入了RateAudit，一种文档级调度算法，它证明检测率判定可以被设定为任意值，直接质疑了基于分数评估的可靠性。该研究的代码和模型权重将在论文被接收后发布。这项研究不仅暴露了当前AIGC检测技术的脆弱性，也提醒我们，在商业利益驱动下，检测工具的公正性可能被系统性地侵蚀。随着AI写作工具的普及，对内容来源的判断将越来越困难，StyleShield的工作迫使整个领域重新思考检测的根本策略。