연구진은 AI 텍스트 탐지기 개발 시 도메인 변화에 강건하도록 트랜스포머 기반 모델을 훈련하고 평가했습니다. HC3 PLUS 데이터셋을 기반으로 모델을 훈련하고, M4 벤치마크에서 성능 저하를 최소화하는 고정된 임계값을 설정했습니다. DeBERTa-v3-base+FeatAttn 모델은 특징 강화 기술을 통해 M4 벤치마크에서 85.9%의 균형 잡힌 정확도를 달성하며 기존 모델보다 우수한 성능을 보였습니다.