AI 생성 텍스트 탐지에 대한 증가하는 관심 속에서, 기존의 방식들이 갖는 높은 계산 비용과 제한적인 일반화 문제를 해결하고자 합니다. 본 논문에서는 계산 효율성이 높고 높은 탐지 정확도를 제공하는 경량 접근 방식인 NEULIF를 제안합니다. NEULIF는 텍스트를 스타일 측정 및 가독성 특징으로 분해한 후, 소형 Convolutional Neural Network (CNN) 또는 Random Forest (RF)를 사용하여 분류합니다. Kaggle AI vs. Human corpus에서 CNN 모델은 97% 정확도 (0.95 F1), RF 모델은 95% 정확도 (0.94 F1)를 달성하여 높은 정밀도와 재현율을 보였습니다. CNN (25MB) 및 Random Forest (10.6MB) 모델은 기존의 Transformer 기반 모델보다 훨씬 작으며, 표준 CPU 장치에서 효율적으로 실행될 수 있습니다.
