热点事件持续更新
RelPPR：基于局部熵波动的黑盒LLM文本检测指标
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
2026年10月27日，arXiv cs.AI 刊出一项研究，提出名为 Relative Peak Prominence Rate（RelPPR）的新指标，用于黑盒检测 LLM 生成文本。该方法利用 LLM 生成文本在熵轨迹上的局部熵波动特征进行判别，并在多种模型家族与数据集上取得 SOTA 性能。研究指出，现有双模型检测器与重采样检测器在源模型未知的指令条件文本上会失效：前者的原因在于跨模型差异减弱，后者的原因在于提示条件不足。相比之下，RelPPR 在多种实际场景下保持最可靠的表现，相关代码已开源。目前该工作处于论文与代码公开阶段，后续是否会有更多评测与复现结果尚待观察。
AI 根据报道生成 · 3 小时前更新
最新进展10月27日 12:00
研究者提出 RelPPR 指标，利用熵轨迹局部波动做黑盒检测，称在多模型多数据集上达 SOTA 并开源代码。报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- arXiv cs.AIRelPPR：用局部熵波动检测黑盒 LLM 生成文本
研究者提出 Relative Peak Prominence Rate（RelPPR）指标，利用 LLM 生成文本在熵轨迹上的局部熵波动进行黑盒检测，在多种模型家族与数据集上取得 SOTA 性能。现有双模型检测器与重采样检测器在源模型未知的指令条件文本上会崩溃，前者源于跨模型差异减弱，后者源于提示条件不足。RelPPR 在多种实际场景下保持最可靠，代码已开源。
本事件热度走势
当前热度 9·可比范围峰值 10（10月27日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。