现有的零样本检测器，尽管性能卓越，但计算成本高。我们引入了条件概率曲率的概念，以解释LLMs和人类在给定上下文中词汇选择上的差异。

利用这种曲率作为基本度量，这是一种优化的零样本检测器，取代了扰动步骤，采用了更高效的采样步骤。

一、人类和机器在给定上下文中选择词汇的方式不同。

二、条件概率曲率作为检测机器生成文本的新特征，将检测成本降低了两个数量级。

，零样本检测器通常在较短段落上的表现较差，因为这些方法具有统计性质。

由于在处理90个单词以上的段落时表现最佳，而在较短段落上仍能保持较高的检测准确性，但可能不如较长段落那么突出​​。

例如：AI detection criterion is 2.2392, suggesting that the text has a probability of 90% to be machine-generated.

在此情况下，2.23对应于一个很高的概率，具体为90%的可能性表明该文本是机器生成的。

这意味着AI Detection算法非常确定这个文本不是人类撰写的，而是由AI生成的。

跨领域和语言的鲁棒性，检测器应该能够泛化到不同的领域和语言。