StyleShield：透過連續可控風格遷移揭示AIGC檢測器的脆弱性

AI生成內容（AIGC）檢測器正越來越多地被部署在學術誠信審查等高風險場景中，但它們的可靠性建立在一個根本性悖論之上：隨著語言模型在人類撰寫的語料上不斷訓練，AI與人類寫作之間的統計邊界將不可避免地消融。商業激勵進一步扭曲了這一格局——檢測服務和“去AI化”工具往往在同一供應鏈中運作，將內容質量評估替換為內容來源判斷。在此背景下，Guantian Zheng提出StyleShield，這是首個用於條件文本風格遷移的流匹配框架。它直接在連續詞嵌入空間中操作，採用DiT（Diffusion Transformer）骨幹網路，並透過零初始化的交叉注意力介面卡以凍結的Qwen-7B表示為條件。在推理階段，StyleShield將影像合成中的SDEdit正規化適配到文本嵌入，使用單一引數gamma實現規避與保留權衡的平滑連續控制。在包含多個領域的中文基準測試上，StyleShield對訓練過的檢測器實現了94.6%的規避率，對三個未見過檢測器的規避率超過99%，同時保持了0.928的語義相似度。此外，研究還引入了RateAudit，一種文件級排程演算法，它證明檢測率判定可以被設定為任意值，直接質疑了基於分數評估的可靠性。該研究的程式碼和模型權重將在論文被接收後釋出。這項研究不僅暴露了當前AIGC檢測技術的脆弱性，也提醒我們，在商業利益驅動下，檢測工具的公正性可能被系統性地侵蝕。隨著AI寫作工具的普及，對內容來源的判斷將越來越困難，StyleShield的工作迫使整個領域重新思考檢測的根本策略。