AIGC 检测与模型溯源项目记录

我正在关注的方法线#

当前比较关注的信号包括：

• Neural Classifier
• Perplexity-based Features
• Stylometric Signals
• Open-set Rejection

这些方法各有优点，但单独使用时也各自存在局限。

工程实现里常见的问题#

在真正搭实验平台时，我最常碰到的问题反而不是模型本身，而是：

• 数据来源和标注标准不一致
• 不同模型家族风格差异带来的偏移
• 推理速度与特征提取成本之间的权衡
• 开集样本和分布外样本的处理方式

接下来会继续记录什么#

这个方向后续会继续记录：

• 数据组织与实验协议
• 特征工程与模型选择
• 归因任务和检测任务的拆分
• 面向真实场景的失败案例

我希望最终把它沉淀成一个既能做研究、也能支撑工程实验的平台。