ACL 2026 | AI润色还是代写？中科院四分类检测框架开源，锁定真实作者¶

Ch01.1616 ACL 2026 | AI润色还是代写？中科院四分类检测框架开源，锁定真实作者¶

📊 Level ⭐⭐⭐⭐ | 2.4KB | entities/acl-2026-ai润色还是代写中科院四分类检测框架开源锁定真实作者.md

ACL 2026 | AI润色还是代写？中科院四分类检测框架开源，锁定真实作者¶

WeChat-PaperWeekly | 发布于 2026-08-04 | 评分入库 v×c≥49

核心内容¶

原创 李阳 2026-08-04 21:45 北京 逻辑指纹锁定真正创作者 论文标题： Beyond the Final Actor: Modeling the Dual Roles of Creator and Editor for Fine-Grained LLM-Generated Text Detection 论文链接： <https://aclanthology.org/2026.acl-long.235/ 代码链接： <https://github.com/ICTMCG/RACE 背景：AI 生成文本检测已不再是简单的“真假二选一” 大语言模型（LLM）的爆炸式发展在改变内容生产方式的同时，也带来了严峻的信息可信度危机。 从大规模虚假新闻生成、学术不端辅助，到借助 AI 进行身份欺诈，合成文本的泛滥迫切需要可靠的检测技术。 然而，现有检测方法大多停留在二分类（人写 vs. AI 生成）乃至三分类（加入“人类-AI 协作”类）的框架内，这在现实监管中是远远不够的。 试想两种典型场景： AI润色人写稿（LLM-Polished Human Text）：学生自己构思、撰写论文框架，用AI润色语言表达。 人工伪装 AI 稿（Humanized LLM Text）：用 AI 生成全文后，利用所谓的人类化工具修改以逃避检测工具。 这两种情形在许多学术诚信政策中属于截然不同的违规类别，前者往往被视为合法的写作辅助，后者则构成欺骗行为。现有方法无法区分二者，监管就无从精细化落地。 〓 Figure 1：（上）创作者-编辑者框架示意；（下）现有二/三分类设置与本文四分类设置的对比。 。

关键要点¶

• 原文完整记录：原文存档
• 关联主题：Agent Architecture、Agent Evaluation Benchmarks

相关实体¶

Agent Architecture Agent Evaluation Benchmarks