UTSの研究者たちは、検出器の脆弱性における根本的な非対称性を悪用することで、ELOQUENT 2026 Voight-Kampffリーダーボードの上位5位を独占する回避戦略を開発した。本研究は、生成されたテキストを検出器の学習分布から外すことが敵対的検出を確実に破るのに対し、人間データを模倣することは失敗することを明らかにした。

  • 2つの新しい分布外攻撃ファミリーが導入された：異なる時代のレジスター攻撃とモダニズムのストリーム・オブ・コンシャスネス形式。
  • これらの戦略は、自然さを維持しながら、以前の手法よりも約50倍高い欺瞞率を達成している。
  • 実験により、期間プローズでトレーニングデータを拡張しても脆弱性を解消できないことが示された。

これらの知見は、敵対的にファインチューニングされたものを含むテスト済みの検出器ファミリーが、構造的な分布外シフトの下で持続的な脆弱性を示すことを実証している。