新AI文本检测方法SV-Detect：利用冻结语言模型的引导向量提升跨域检测稳健性
arXiv预印本提出基于引导向量的检测器，声称在领域迁移、源模型变化及编辑攻击下保持较强性能。
arXiv预印本（编号2606.07313v2）提出一种名为SV-Detect的AI生成文本检测方法，基于从冻结语言模型隐藏表示中提取的引导向量（steering vectors）来区分人工与AI写作。作者Mikhail Vishnyakov和Tatiana Gaintseva在摘要中称，该方法在分布内和分布迁移条件（跨领域、跨源模型、机器编辑如润色和重写）下均取得较强性能。
方法细节
根据摘要，SV-Detect在每个层构建一个能分离人工与AI生成文本的方向，并将每个输入表示为与其在这些方向上的层面对齐度。之后，一个在这些投影特征上训练的轻量分类器输出最终检测分数。作者指出，模型本身是冻结的，不进行微调。
版本历史显示，该论文2026年6月5日提交初版，2026年9月3日更新为v2，类型为“replace-cross”，表示其被合并或替换。
检测动机与解释分析
作者强调，检测AI生成文本在分布迁移下尤为困难，例如跨领域、跨源模型，以及机器编辑攻击（如润色和重写）。他们提出将检测问题视为表示空间探测问题，并认为引导向量提供了一种简单有效的解决方案。
解释分析表明，学到的方向与可识别的风格线索对齐，并捕获了超出表层特征的额外信号。