实践记录案例记录

用 4070ti 和 Claude 训了一个 AI 文本检测器

HN 上作者原想破解 Pangram 类 AI 文本检测器,先在家用 4070ti 让 Claude 自主训练一个类似模型,约一天后得到检测效果不错的模型。几种绕过尝试大多失败,作者称「模仿真人文风改写」19 段中 15 段仍被识破;Claude 后来开始拒绝部分红队方向。

mesmertech原始发布
01

为什么值得留

一个消费级显卡训检测器的个人实验,说明改写式绕过并不容易。

02

可以从这里开始

感兴趣的去帖子里找仓库或模型,拿自己写的和 AI 写的各 10 段测一下。

03

阅读时留意

个人实验,数字是作者自述,样本小(19 段);「达到 SOTA」是作者标题说法,未见公开评测。

OnBalls 导读整理于 2026.11.06。读了收件箱保存的帖子正文节选(较长,结尾截断);未打开仓库或模型。

同一方向,继续读

这个方向的精选
评估与原理资源入口

BioBasicsBench:100 道读数题,最高约三分之二

OpenAI 和 Ligo 做了 100 道日常湿实验读数题,用的是原始图和仪器导出,不是论文里挑过的干净图。每题按专家写的评分点给部分分。官方称,在想得更久的设置下,GPT-6 Astra 平均拿到 66.7% 的分数,GPT-5.6 Sol 是 43.8%。页面同时写明,更强的模型仍会用习惯性假设盖过对照,也会数错。

官方资料