본 논문은 기계가 생성한 텍스트를 검출하는 어려움에 대한 기존 주장을 검토하고, 스타일 특징 공간을 활용하여 기계 생성 텍스트 검출의 신뢰성을 높일 수 있음을 보여줍니다. 특히, 기계 생성 텍스트 검출을 회피하도록 최적화된 언어 모델의 샘플도 신뢰성 있게 검출할 수 있음을 실험적으로 증명합니다. 또한, 새로운 패러프레이징 기법을 통해 스타일 특징 공간에서 인간과 기계 작성 텍스트 간의 차이를 줄이면서 기존 특징 기반 검출을 회피하는 공격을 시도하고, 샘플 수에 따라 검출 성능이 달라짐을 관찰하여, 인간과 기계 생성 텍스트 분포의 겹침 정도를 측정하는 AURA 지표를 제안합니다. 결론적으로, 기계 텍스트 검출에 대한 의존을 피해야 함을 강조합니다.
