Bài báo này nhấn mạnh tầm quan trọng của việc xây dựng một hệ thống phát hiện văn bản do AI tạo ra đáng tin cậy, trong bối cảnh ngày càng lo ngại về việc lạm dụng tiềm ẩn các mô hình ngôn ngữ quy mô lớn. Chúng tôi nhấn mạnh những hạn chế của các phương pháp hiện có, vốn bỏ qua mô hình hóa phong cách và dựa vào ngưỡng tĩnh, làm hạn chế đáng kể hiệu suất phát hiện. Chúng tôi đề xuất khuôn khổ Hỗn hợp các Chuyên gia Phong cách (MoSEs), cho phép ước tính ngưỡng có điều kiện để định lượng sự không chắc chắn nhận biết phong cách. MoSEs bao gồm ba thành phần cốt lõi: Kho Tham chiếu Phong cách (SRR), Bộ Định tuyến Nhận biết Phong cách (SAR) và Bộ Ước tính Ngưỡng Có Điều kiện (CTE). Đối với văn bản đầu vào, SRR kích hoạt dữ liệu tham chiếu phù hợp và cung cấp cho CTE, sau đó CTE sẽ tự động xác định ngưỡng tối ưu bằng cách kết hợp mô hình hóa các đặc điểm thống kê ngôn ngữ và ngữ nghĩa. MoSEs tạo ra các nhãn dự đoán với điểm số phân biệt và mức độ tin cậy tương ứng, đạt được mức cải thiện trung bình 11,34% về hiệu suất phát hiện so với các phương pháp hiện có và cải thiện 39,15% trong môi trường tài nguyên thấp. Mã nguồn có sẵn trên GitHub.
