본 연구는 AI 생성 텍스트 탐지(AIGTD) 문제를 문서의 정적 특징 대신 잠재 생성 경로의 차이로 재정의했어요. 제안하는 GTCL 프레임워크는 문서의 지역 단위별 표현을 순차적으로 모델링하여 생성 과정의 역학을 반영합니다. 실험 결과, GTCL은 기존 방식보다 성능이 우수했으며, 순차적 역학 모델링이 다양한 모델과 도메인에서 강력한 차별적 신호를 제공하는 것을 보여줬어요.
GTCL은 문서를 순서대로 나눈 지역 단위를 임베딩 공간에 넣고, 생성 과정과 관련된 기하학적 규칙을 학습하기 위해 대비 학습을 적용해요. 이를 통해 문서 전체의 정적 표현에 의존하는 기존 방식의 한계를 극복합니다. 이 연구는 AIGTD 분야에서 역동적인 접근 방식을 제시합니다.
본 연구는 기존 AIGTD 연구에서 간과되었던 순차적 역학 모델링의 중요성을 강조하며, 향후 AIGTD 성능 향상에 기여할 수 있는 새로운 방향을 제시합니다.