본 논문은 인공지능(AI) 텍스트 검출의 한계를 극복하기 위해 문장 단위 시퀀스 레이블링 모델을 제안합니다. 기존의 문서 단위 분류 모델은 AI 텍스트가 섞여 있거나 약간 수정된 텍스트를 구분하는 데 어려움을 겪는 반면, 본 논문의 모델은 문장 간의 미묘한 언어적 신호를 활용하여 AI 생성 텍스트와 인간 작성 텍스트의 전환을 감지합니다. 최신 Transformer 모델, 신경망(NN), 조건부 랜덤 필드(CRF)를 결합하여 토큰 단위의 정밀한 AI 텍스트 구분을 달성합니다. 두 개의 공개 벤치마크 데이터셋을 사용하여 실험을 진행하고, 기존 최첨단 모델과의 비교 및 ablation study를 통해 모델의 성능을 검증하였습니다. 소스 코드와 가공된 데이터셋은 GitHub 저장소에서 공개합니다.
