📊 statistics

Learn-to-Distance: Distance Learning for Detecting LLM-Generated Text

本文提出了一种名为“Learn-to-Distance"的新型重写检测算法，通过自适应学习原文与改写文本间的距离，在理论上和实验中均证明了其相较于固定距离方法在检测大语言模型生成文本时具有显著优越性。

原作者： Hongyi Zhou, Jin Zhu, Kai Ye, Ying Yang, Erhan Xu, Chengchun Shi

发布于 2026-03-03

📖 1 分钟阅读☕ 轻松阅读

原作者： Hongyi Zhou, Jin Zhu, Kai Ye, Ying Yang, Erhan Xu, Chengchun Shi

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

这篇论文提出了一种名为 LEARN-TO-DISTANCE (L2D) 的新方法，用来解决一个越来越紧迫的问题：如何分辨一段文字是真人写的，还是由人工智能（LLM）生成的？

想象一下，现在的 AI 写文章写得越来越像人，甚至能模仿各种风格。这就像是一个高明的“模仿秀”选手，让传统的“火眼金睛”很难分辨真假。

为了解决这个问题，作者们设计了一套聪明的“测谎仪”。下面我用几个生活中的比喻来解释他们是怎么做到的：

1. 核心难题：为什么以前的方法不管用了？

以前的检测方法主要有两种：

像查户口一样（零样本检测）： 直接分析文字的概率统计。但这就像查户口，如果 AI 换了个“假身份”（用了不同的提示词 Prompt），以前的查户口方法就失效了。
像做阅读理解题一样（重写检测）： 让 AI 把这段文字“重写”一遍，然后比较原文和重写后的文字有多像。
- 以前的做法： 用一把固定的尺子去量。比如，不管原文是什么，都数数有多少个词不一样（编辑距离），或者用一套固定的公式算相似度。
- 问题所在： 这把“固定的尺子”太死板了。就像用一把只适合量身高的尺子去量腰围，或者用一把量布的尺子去量身高，结果肯定不准。不同的 AI 模型、不同的写作风格，需要不同的“尺子”来衡量。

2. 他们的创新：学会“自己造尺子”

这篇论文的核心思想是：不要死板地用一把尺子，而是让机器“学会”如何造一把最合适的尺子。

比喻：裁缝与量体裁衣
- 旧方法（固定距离）： 就像裁缝只有一把标准尺寸的尺子，给所有人量衣服，不管你是胖是瘦，都按这个量，结果肯定不合身。
- 新方法（L2D）： 就像裁缝先观察了很多人（人类写的文章和 AI 写的文章），然后动态地调整自己的测量方式。他发现：“哦，对于这种风格的 AI 文章，我要用这种特殊的‘距离感’才能看出破绽；对于那种风格，我又得换一种。”
- 具体做法： 他们训练了一个小模型，让它专门学习“怎么衡量原文和重写后的文字之间的差距”。这个模型会自己调整参数，直到它能最完美地把“真人类”和“假 AI"区分开。

3. 背后的原理：几何直觉（把文字想象成空间里的点）

作者用了一个很酷的几何概念来解释为什么这招管用：

想象一个房间：
- 人类写的文字散落在房间的一个大区域里（因为人类思维千变万化）。
- AI 写的文字虽然也在这个房间里，但它们被限制在一个更小的、特定的“子空间”里（因为 AI 受限于它的训练数据和算法）。
重写过程（Rewrite）： 当你让 AI 重写一段文字时，它其实是在把这段文字往那个“AI 子空间”里拉。
- 如果原文是AI 写的，它本来就在“子空间”里，重写一下，它还在附近，距离很近。
- 如果原文是人写的，它本来在“子空间”外面，重写一下，它被强行拉进“子空间”，距离会变远（因为要跨越那个鸿沟）。
L2D 的作用： 它不仅仅是看距离，而是学习如何定义这个“距离”，让它能最敏锐地捕捉到这种“被强行拉进子空间”的违和感。

4. 实验结果：真的好用吗？

作者做了大量的实验（超过 100 种不同的场景，包括不同的 AI 模型如 GPT-4、Claude、Gemini 等）：

表现惊人： 在大多数情况下，他们的 L2D 方法比目前最先进的方法（Baseline）要好得多。有些场景下，准确率提升了 50% 到 75%。
抗干扰能力强： 即使有人故意对 AI 生成的文字进行“伪装”（比如让 AI 改写、打乱词序等攻击），L2D 依然能保持很高的识别率，而其他方法容易失效。
自适应： 它不需要针对每个新出的 AI 模型重新设计规则，只要给它一点数据，它就能“学会”怎么测。

5. 总结

简单来说，这篇论文就像是在说：

“以前我们试图用一把固定的尺子去量所有 AI 生成的文字，发现经常量不准。现在，我们教 AI 自己学会怎么造尺子。它会根据遇到的具体情况，动态调整测量标准，从而更精准地把‘真人类’和‘假 AI'区分开来。”

这项技术对于打击网络谣言、维护学术诚信、防止 AI 滥用具有重要的现实意义。作者还把代码开源了，让大家都能用这个“智能测谎仪”。

这是一篇发表于 ICLR 2026 的会议论文，题为 《LEARN-TO-DISTANCE: DISTANCE LEARNING FOR DETECTING LLM-GENERATED TEXT》（学习距离：用于检测大语言模型生成文本的距离学习）。

以下是对该论文的详细技术总结：

1. 研究背景与问题 (Problem)

随着 GPT、Claude、Gemini 等大语言模型（LLM）的快速发展，它们生成的文本在质量上已高度拟人化。这引发了关于虚假信息传播、学术诚信以及版权归属的严重担忧。因此，开发可靠的算法来区分人类撰写和 LLM 生成的文本变得至关重要。

现有的被动检测算法主要分为两类：

零样本方法 (Zero-shot)：不依赖训练数据，利用统计特征（如 Logits、重写距离等）进行检测。
基于机器学习的方法 (ML-based)：利用外部数据训练分类器。

现有方法的局限性：

Logits 基方法（如 DetectGPT）：在提示词（Prompt）未知或发生分布偏移时，性能显著下降。
重写基方法（Rewrite-based）：通常使用固定的距离函数（如编辑距离、BERTScore）来衡量原文与重写文本之间的差异。然而，文本嵌入空间的几何结构复杂，固定的距离函数可能无法在所有目标模型、数据集或提示词下达到最优效果，导致泛化能力不足。

2. 方法论 (Methodology)

本文提出了一种名为 L2D (Learn-to-Distance) 的新方法，属于基于机器学习的重写检测类别。其核心思想是自适应地学习距离函数，而不是使用预定义的固定距离。

2.1 理论框架：几何视角

作者首先从几何角度解构了重写检测的原理：

假设：将人类文本空间记为 $H$ ，LLM 生成文本空间记为 $M$ 。LLM 生成的文本可以被视为人类文本在 $M$ 子空间上的投影。
命题 1：在几何假设下，人类文本的重构误差（原文与重写文本的距离）在期望上大于 LLM 生成文本的重构误差。这是因为人类文本通常位于 LLM 子空间之外，距离更远。
命题 2：该方法对未观察到的提示词（Unseen Prompts）具有鲁棒性。只要重写过程保持语义不变，提示词引起的分布偏移不会破坏上述距离差异。
命题 3：理论证明了存在一个最优距离函数，它能最大化人类文本和 LLM 文本重构误差之间的差距。该最优距离函数依赖于特定的目标 LLM（因为不同模型对应不同的子空间 $M$ ），因此固定的距离函数无法通用。

2.2 核心算法：自适应距离学习

基于上述理论，L2D 提出通过机器学习来学习一个参数化的距离函数 $d_\phi$ ：

距离定义： $d_\phi(X_1, X_2) = \left| \frac{\log p_\phi(X_1)}{\text{len}(X_1)} - \frac{\log p_\phi(X_2)}{\text{len}(X_2)} \right|$ $d_{ϕ} (X_{1}, X_{2}) = \frac{l o g p _{ϕ} ( X _{1} )}{len ( X _{1} )} - \frac{l o g p _{ϕ} ( X _{2} )}{len ( X _{2} )}$ 。
- 其中 $p_\phi$ 是一个可学习的语言模型（参数为 $\phi$ ）， $\text{len}$ 是 Token 数量。
- 该设计旨在让模型学会：对 LLM 生成的文本赋予高概率（距离小），对人类文本赋予低概率（距离大）。
优化目标：最大化人类语料库 $D_h$ 和 LLM 语料库 $D_m$ 之间重构误差的差异：
$\max_\phi \left( \mathbb{E}_{X \sim D_h}[d_\phi(X, R(X))] - \mathbb{E}_{X \sim D_m}[d_\phi(X, R(X))] \right)$
实现细节：
- 使用预训练模型初始化 $p_\phi$ ，仅微调少量参数（如使用 LoRA 技术）。
- 为了处理重写的随机性，对每个输入文本生成 $K$ 次重写，取平均距离作为最终度量。
- 如果平均距离超过阈值，则判定为人类文本，否则为 LLM 生成。

3. 主要贡献 (Key Contributions)

方法论创新：提出了首个自适应学习距离函数的重写检测框架（L2D），突破了传统方法依赖固定距离的局限。
理论突破：
- 建立了重写检测的几何解释，证明了人类文本重构误差更大的理论依据。
- 证明了该方法对未观察到的提示词具有泛化能力。
- 从理论上论证了学习距离函数优于固定距离。
实证结果：
- 在 24 个数据集、7 种目标 LLM（包括 GPT-4o, Claude-3.5, Gemini-2.5 等）和 3 种未见提示词场景下进行了超过 100 组实验。
- 在大多数场景下，L2D 的表现显著优于现有的 12 种最先进（SOTA）方法。
- 相比最强基线，相对提升幅度在 54.3% 到 75.4% 之间。
- 消融实验表明，学习距离函数带来的性能提升（相比固定距离）平均高达 96%。
- 在对抗攻击（如改写、去连贯性攻击）下，L2D 表现出更强的鲁棒性。

4. 实验结果 (Results)

跨模型检测：在检测 GPT-3.5, GPT-4o, Llama-3, Claude, Gemini 等生成的文本时，L2D 的 AUC 分数普遍达到 0.95 以上，远超 FDGPT、ImBD、RAIDAR 等基线。
未见提示词鲁棒性：在 Rewrite（重写）、Expand（扩展）、Polish（润色）三种未见提示词任务中，L2D 均取得了接近完美的 AUC（部分场景达到 1.0），而基于 Logits 的方法（如 FDGPT）在未见提示词下性能大幅下降。
对抗攻击：在文本被 paraphrase（改写）或 decoherence（去连贯）攻击后，L2D 的 AUC 下降极小甚至保持不变，而其他方法（如 RAIDAR）性能显著衰退。
效率：虽然需要生成多次重写，但 L2D 的运行时间与现有的重写基方法（如 RAIDAR）相当，且通过 vLLM 后端可进一步优化。

5. 意义与价值 (Significance)

解决泛化难题：通过自适应学习距离，L2D 有效解决了现有检测器在面对新模型、新提示词时性能下降的痛点。
理论指导实践：论文不仅提出了新算法，还通过几何视角为“为什么重写检测有效”提供了坚实的理论支撑，解释了为何人类文本在 LLM 子空间外具有更大的重构误差。
实用性强：该方法不需要访问 LLM 的内部权重（黑盒设置），仅需一个开源模型进行重写，且代码已开源，具有极高的实际应用价值，有助于维护学术诚信和打击虚假信息。

总结：这篇论文通过引入“学习距离”的概念，将 LLM 生成文本检测从依赖固定启发式规则提升到了自适应学习的层面，在理论深度和实验效果上均取得了显著突破，是目前该领域的 SOTA 工作之一。