arXiv cs.AI· Liam Dugan, Callum McDougall, Matthew Denton, Philip Pham, Christine Kaeser-Chen, Chris Callison-Burch·2026-10-23 12:00· 2 小时前AI 评分50

研究者用稀疏自编码器构建可审计的AI生成文本检测器

Building Auditable AI Text Detectors with Sparse Autoencoders

AI 导读

arXiv 论文（arXiv:2610.30006，EMNLP 2026）提出一条流水线，把微调神经检测器转化为基于人类可读概念的分类器。方法是在检测器残差流上训练稀疏自编码器（SAE），为每个特征生成自动解释标签并仅保留通过全局保真度阈值的特征，再在其上训练轻量分类器。