arXiv · AI· Suraj Ranganath, Atharv Ramesh·· 4 小时前AI 评分35
StealthRL：基于强化学习的改写攻击以规避多检测器的AI文本检测
StealthRL: Reinforcement Learning Paraphrase Attacks for Multi-Detector Evasion of AI-Text Detectors
AI 导读
StealthRL框架通过强化学习优化改写策略，成功规避RoBERTa等四类主流AI文本检测器，使TPR@1%FPR降至0.024。 该攻击在保持语义重叠和可读性的同时，能有效迁移至未参与训练的检测器，显示出现有检测机制的脆弱性。 研究代码及模型权重已公开，旨在推动部署场景下的AI检测器鲁棒性评估。
来源：arXiv · AI · arxiv.org