一句话:检测器怕的不是 AI 写得像人,而是世界一直在变。MIT 与 Cornell 的研究者把病根找了出来——检测器不是不够聪明,而是练完就「冻结」了。
团队阵容:一作 Kevin Ren、通讯作者 Nikhil Garg 来自 Cornell Tech,MIT 的 Manish Raghavan 参与合作。论文《Hitting a Moving Target》将发表于 NeurIPS 2026(论文预印本 arXiv 编号 2611.25152)。


检测器为什么失灵:三类「漂移」
论文把「世界在变」拆成三类「分布漂移」。说白了,就是数据的口味一直在换,检测器记住的却是老口味。换句话说:检测器考试时背的答案,是上一届的。
第一类,对抗式改写:人故意把 AI 文本改头换面,伪装成人类写的。第二类,冒出新模型:比如 GPT 5.4 这种训练时没见过的新面孔。第三类最阴:人类自己的写作习惯,也在悄悄随时间改变。
三类变化轮番上阵,商用检测器就招架不住。论文说这不是单品故障,而是「打移动靶」式的结构性问题:靶子一直在动,枪却装死。更麻烦的是,这仨还经常结伴来,检测器连喘气的空档都没有。

划重点:TTA 是部署后的自我更新
传统的续命方案是重新训练:收集新数据,喂回去,练新版,再上线。问题是慢,而 AI 的迭代速度根本不等人。
论文的招叫「测试时自适应」(TTA)。人话版:检测器部署后就不再冻结,上线干活的时候,用它碰到的、未经人工标注的新文本悄悄调整自己。不用人工标数据,不用重训,边干活边适应新环境。
靠什么信号调整?论文盯上了「同质性」(homogeneity):AI 生成的文本,句子之间往往过于整齐划一,人写的东西自带毛边。检测器就靠「眼前这批文本还像不像 AI 的手笔」,边测边完成自我校准。

数字较真:27% 到 93%,先分清场景
先说最提气的数字(据 MIT News/论文):在对抗伪装场景下,商用检测器 Pangram 只能认出约 27% 的伪装 AI 文本;换用 TTA 方法,识别率冲到 93.3%。注意口径——这是「有人刻意改写伪装」那一局,不是见人就报的通用识别率。
再换场景。在人类写作自然漂移的实验组里,TTA 检测器准确率约 85%,传统方法约 73%。面对新模型,Pangram 更露怯:GPT 5.4 发布后,它把新模型输出判为「AI 或 AI 辅助」的比例只有约 34%,对训练时代的老模型却几乎全对。换句话说,模型越新,检测器的记忆越不顶用。
三组数字,三套场景。以后谁再喊「检测器识别率 98%」,可以先问一句:哪个场景,哪批文本?别拿一局的战绩,当一辈子的免检金牌。

比漏放更麻烦的:误伤人类
论文还做了个「时间旅行」实验专门看误伤:用 2010 年数据训练出的监督方法(靠标注数据学对错的老办法),拿去判 2020 年的 arXiv 论文摘要,约 15.1% 的句子被误判成 AI 生成,而真实情况趋近于零。换句话说:不会跟着时代走的检测器,连人类自己都信不过。
说白了:把学生的作业、记者的稿件、工程师的注释当 AI 处理,代价远大于漏放一句 AI 文本。检测器制造冤假错案,比放跑真凶更让人头疼。

但这里有个前提:可靠的真人文本越来越难找
论文很诚实:TTA 不是万能药。它吃的信号是「AI 文本同质性」,可未来的 LLM 只会越来越会模仿人,这个信号的含金量会逐渐缩水。
更要命的前提是:要分清「AI 写的」和「人写的」,总得有一批「确定是真人写的」文本当基准。可 AI 已经渗进日常写作,你很难找到一段保证没被 AI 碰过的真人文本。基准不干净,检测器拿什么校准?而这批基准数据从哪来,论文没有给出现成的答案。
研究者也承认,检测与反检测会持续拉锯。今天你把伪装识别率拉到 93.3%,明天就有人研究怎么骗过 TTA。更深一层:TTA 赌的是「新数据里藏着可学的规律」,可要是规律本身站不住,再聪明的自适应也得抓瞎。

毕哲收尾:这仗没有终局
这篇论文的价值,是把「检测器会过期」正式摆上台面,再给一个成本很低的续命办法。至于 AI 文本能不能被可靠识别,答案大概是:一时一事,边打边看。
但这里有个更扎心的问题:如果未来人的写作习惯也被 AI 重塑,那「像人」和「像 AI」的边界会不会干脆消失?这个问题论文回答不了,得等未来的语言自己回答。