# آزمون روشی برای شناسایی متن بازنویسی‌شده هوش مصنوعی

> پژوهشگران می‌گویند روششان در متن‌های بازبینی‌شده به امتیاز F1 برابر با 93.97% رسیده، اما مقاله عملکرد آن را در استفاده واقعی مشخص نمی‌کند.

Oossa · 2026-10-30 · https://oossa.com/fa/study-tests-a-detector-for-rewritten-ai-generated-text

پژوهشگران روش MCRP را برای شناسایی متن‌های نوشته‌شده با مدل‌های زبانی بزرگ معرفی کرده‌اند؛ از جمله متن‌هایی که بازنویسی، ویرایش یا بسط داده شده‌اند. این روش از یک مدل زبانی ثابت استفاده می‌کند تا واکنش یک متن را به دستورهای همسان، تغییریافته و کنترلی مقایسه کند و سپس این سنجش‌ها را به یک دسته‌بند جنگل تصادفی می‌دهد.

در ارزیابی‌های نویسندگان، MCRP برای متن‌های بازبینی‌شده به امتیاز F1 برابر با 93.97% و ROC-AUC برابر با 96.24% رسید و به‌ترتیب 19.50 و 25.77 واحد درصد از قوی‌ترین روش پایه‌ای که آزمایش شد بهتر عمل کرد. این ارقام نتایج گزارش‌شده در پژوهش‌اند و عملکرد روش را برای همه انواع متن‌های ویرایش‌شده یا در محیط‌های واقعی نشان نمی‌دهند.

## حقایق

- مقاله با شناسه arXiv:2610.38312 در arXiv منتشر شده است.
- نویسندگان برای متن‌های بازبینی‌شده، امتیاز F1 برابر با 93.97% و ROC-AUC برابر با 96.24% گزارش کرده‌اند.

## چرا مهم است

برای ویراستاران یا پلتفرم‌هایی که متن‌های مشکوک به تولید با هوش مصنوعی را بررسی می‌کنند، این روش می‌تواند راهی برای ارزیابی متن‌های بازبینی‌شده فراهم کند؛ اما مقاله قابل‌اعتماد بودن آن را درباره محتوایی که در استفاده روزمره با آن روبه‌رو می‌شویم اثبات نمی‌کند.

## منابع و ارجاع‌ها

1. [Robust LLM-Generated Text Detection through Matched Conditional-Response Probing](https://arxiv.org/abs/2610.38312) – arXiv, 2026-10-30

آخرین به‌روزرسانی: 2026-10-30