यह शोधपत्र बड़े पैमाने के भाषा मॉडल (एलएलएम) द्वारा निर्मित पाठों और मानव-लिखित पाठों के बीच अंतर करने के एक तरीके के रूप में शैलीमितीय विश्लेषण का अन्वेषण करता है। मॉडल विशेषता, बौद्धिक संपदा अधिकार और कृत्रिम बुद्धिमत्ता (एआई) के नैतिक उपयोग जैसे मुद्दों को संबोधित करने के लिए, हम एलएलएम-जनित पाठों में नवीन कथात्मक पैटर्न की पहचान करने के लिए मौजूदा शैलीमितीय तकनीकों का उपयोग करते हैं। हम विकिपीडिया से मानव-लिखित सारांशों, विभिन्न एलएलएम (जीपीटी-3.5/4, एलएलएएमए 2/3, ओर्का, फाल्कन) द्वारा निर्मित पाठों, और बहु-पाठ सारांश विधियों (टी5, बीएआरटी, जेनसिम, सुमी) और पैराफ्रेज़िंग विधियों (डिपर, टी5) के अधीन पाठों से युक्त एक मानक डेटासेट बनाते हैं। हम निर्णय वृक्षों और लाइटजीबीएम जैसे वृक्ष-आधारित मॉडलों का उपयोग करके 10-वाक्य वाले पाठों को वर्गीकृत करते हैं, जिसमें शाब्दिक, व्याकरणिक, वाक्यविन्यास और विराम चिह्न पैटर्न सहित शैलीमितीय विशेषताएँ शामिल हैं। हमने 7-वर्ग बहु-वर्ग परिदृश्य में 0.87 तक मैथ्यूज़ सहसंबंध गुणांक और द्विआधारी वर्गीकरण में 0.79–1.0 सटीकता प्राप्त की। विशेष रूप से, विकिपीडिया और GPT-4 के लिए, हमने संतुलित डेटासेट पर 0.98 तक सटीकता प्राप्त की। शैप्ले एडिटिव एक्सप्लेनेशन्स के माध्यम से, हमने विश्वकोश-प्रकार के पाठों की विशिष्ट विशेषताओं की पहचान की, जैसे कि अत्यधिक प्रयुक्त शब्द, और मानव-लिखित पाठों की तुलना में LLM का उच्च व्याकरणिक मानकीकरण। ये परिणाम प्रदर्शित करते हैं कि, तेजी से परिष्कृत LLM के संदर्भ में, कुछ प्रकार के पाठों के लिए मशीन-जनित और मानव-जनित पाठों में अंतर किया जा सकता है।
