arXiv论文刻画TP-CRIV统计可分性

Teruki Sano等作者在arXiv发表论文，刻画概率性AI模型在第三方挑战-响应身份验证（TP-CRIV）中的统计可分性，将匹配与非匹配证明者的逐挑战行为同验证级可分性关联起来。作者称，该刻画阐明独立挑战数与重复响应数如何影响检测性能，并可估算达到目标AUC所需的验证预算。 作者用开放式挑战在LLM上实例化该刻画，实验显示匹配与非匹配可分离，理论与实测AUC高度吻合，最小验证预算估计一致。这些均为论文所述结果。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。