# कोडिंग एजेंट AI टेक्स्ट के टुकड़े जोड़कर पहचान से बच सकते हैं

> एक नई तकनीक सॉफ़्टवेयर एजेंटों को छोटे भाषा मॉडल के आउटपुट जोड़ने देती है। इससे पहचान की दर 77% से घटकर 24% रह जाती है, लेकिन सवालों की लागत 30 गुना तक बढ़ सकती है।

Oossa · 2026-09-29 · https://oossa.com/hi/coding-agents-can-stitch-ai-text-to-dodge-detection-tools

शोधकर्ताओं ने 25 सितंबर, 2026 को एक शोधपत्र प्रकाशित किया, जिसमें दिखाया गया कि कोडिंग एजेंट किसी मूल भाषा मॉडल से टेक्स्ट के टुकड़े जोड़कर AI-पहचान प्रणालियों से बच सकता है। Claude Opus 5 पर बना यह एजेंट अपने 90% तक शब्द OLMo-2 नाम के 32 अरब पैरामीटर वाले मॉडल से लेता है। परीक्षणों में, इन टुकड़ों को जोड़कर बनाए गए जवाब दो तरह के डिटेक्टरों से बच निकले: एक लोकप्रिय, लेखन के बाद जांच करने वाले टूल की पहचान दर 77% से घटकर 24% हो गई, जबकि वॉटरमार्क-आधारित जांच में यह करीब 10% रह गई।

## यह तकनीक कैसे काम करती है

पहले के तरीकों में AI से तैयार टेक्स्ट को कई बार दोबारा लिखने की कोशिश की जाती थी, जिससे अक्सर उसका अर्थ बदल जाता था। इसके बजाय, इस तरीके में एजेंट कॉपी-पेस्ट करके संपादन करने वाले की तरह काम करता है। वह मूल मॉडल से कई छोटे नमूने मांगता है और फिर काम के लिहाज से सबसे उपयुक्त हिस्से चुनता है—चाहे काम रचनात्मक लेखन हो, तथ्यात्मक जवाब देना हो, स्वास्थ्य से जुड़े सवाल हों या निर्देशों का पालन करना। इन हिस्सों को जोड़ने से अंतिम जवाब विषय पर बना रहता है और सहज पढ़ा जाता है, जबकि डिटेक्टर को AI से तैयार टेक्स्ट की एक लगातार धारा के बजाय कई छोटे अंशों का मिश्रण दिखाई देता है।

## असर और लागत

यह तरीका काम करता है, लेकिन महंगा है। एजेंट कहीं अधिक टोकन—यानी टेक्स्ट की मूल इकाइयां—भेजता और हासिल करता है, इसलिए हर सवाल की लागत एक सामान्य API कॉल से 30 गुना तक बढ़ सकती है। शोधकर्ताओं का कहना है कि पहचान सेवाओं को असरदार बने रहने के लिए ऐसे जोड़कर बनाए गए आउटपुट पर प्रशिक्षण देना होगा। आम उपयोगकर्ताओं के लिए, इस खोज का मतलब है कि AI से लिखी सामग्री पहचानने का दावा करने वाले टूल अपने विज्ञापित दावों जितने भरोसेमंद शायद न हों।

## तथ्य

- यह शोधपत्र Bhuwan Dhingra ने 25 सितंबर, 2026 को जमा किया था।
- Claude Opus 5 ने स्थानीय स्तर पर चल रहे 32 अरब पैरामीटर वाले OLMo-2 मॉडल का संचालन किया।
- Pangram v4 डिटेक्टर के लिए पहचान दर 77% से घटकर 24% हो गई।
- गलत पहचान की दर कम रखने पर सॉफ्ट वॉटरमार्क पहचान करीब 10% तक गिर गई।
- एजेंट के कहीं अधिक टोकन इस्तेमाल करने से सवालों की लागत 30 गुना तक बढ़ सकती है।

## यह क्यों मायने रखता है

अगर पहचान करने वाले टूल कम भरोसेमंद हो जाएं, तो लोगों के लिए यह जांचना मुश्किल हो सकता है कि कोई टेक्स्ट इंसान ने लिखा है या AI ने। इससे ऑनलाइन सामग्री पर भरोसा प्रभावित हो सकता है। वहीं, पहचान से बचने की इस तकनीक की ऊंची लागत का मतलब है कि इसका इस्तेमाल यूं ही करना मुश्किल होगा और ज्यादातर उपयोगकर्ताओं के लिए इसकी बाधा ऊंची बनी रहेगी।

## स्रोत और संदर्भ

1. [Agents Can Use Base Models to Evade AI Detection](https://arxiv.org/abs/2609.31876) – arXiv, 2026-09-29

अंतिम अपडेट: 2026-09-29