Writerslogic 发布 PAN 2026 三项共享任务系统论文

Writerslogic 的 David L. Condrey 在 arXiv 发布论文，描述其参与 PAN at CLEF 2026 三项共享任务的系统，并提出统一框架：特征在分布偏移下的鲁棒性取决于训练与测试分布的支持重叠，而非训练集效应量。 在推理轨迹检测任务中，训练数据全为数学、84% 测试为未见领域，该框架指导系统在来源检测获第 1 名（0.85 macro F1，基于 Opus-Sonnet 一致性），安全分类获第 3 名（0.66 macro F1）。Voight-Kampff 生成式 AI 检测任务采用 DeBERTa-v2、LightGBM 与 SVM 的校准集成，最佳配置在 PAN 2026 测试集上得 0.891。 多作者写作风格分析任务因平台混淆，其提交未进入官方评测，论文只报告系统设计与事前预测。

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。