StealthRL

StealthRL：用于多检测器规避 AI 文本检测器的强化学习改述攻击 论文（arXiv） 演示 模型（Hugging Face） 基准数据集（Hugging Face） 摘要 AI 文本检测器越来越多地用于高风险场景，但它们对保持语义的对抗性改写的鲁棒性仍不确定。我们提出了 StealthRL，一个通过自适应改述攻击对 AI 文本检测器进行压力测试的强化学习框架。StealthRL 针对检测器集成训练改述策略，同时保留语义内容，然后评估对留出检测器家族的迁移性。在完整过滤后的 MAGE 测试池（15,310 条人类样本 / 14,656 条 AI 样本）上，StealthRL 将平均...

StealthRL: Reinforcement Learning Paraphrase Attacks for Multi-Detector Evasion of AI-Text Detectors

AI-text detectors face a critical robustness challenge: adversarial paraphrasing attacks that preserve semantics while evading detection. We introduce StealthRL, a reinforcement learning framework that stress-tests detector robustness under realistic adversarial conditions. StealthRL trains a...