새로운 생성 모델의 등장: 리지 특징 전이 기반 평생 기계 생성 텍스트 출처 식별

When New Generators Arrive: Lifelong Machine-Generated Text Attribution via Ridge Feature Transfer

기계 생성 텍스트(MGT) 출처 식별은 특정 텍스트를 생성한 모델을 파악하여 모델의 책임 추적 및 오용 조사에 필요한 세부적인 증거를 제공하는 것을 목표로 합니다. 새로운 대규모 언어 모델이 계속 등장함에 따라, 출처 식별 모델은 새로운 생성 모델을 지속적으로 통합하면서 동시에 기존 모델을 인식하는 능력을 유지해야 합니다. 이전 연구들은 이러한 평생 MGT 출처 식별 환경이 어렵다는 점을 보여주었으며, 기존 방법들은 종종 새로운 클래스에 적응하는 것과 기존 클래스를 유지하는 것 사이의 안정적인 균형을 맞추는 데 어려움을 겪습니다. 이 문제를 해결하기 위해, 우리는 예제 재학습(exemplar replay)에 의존하지 않는 경량 분석 업데이트 프레임워크인 RidgeFT를 제안합니다. RidgeFT는 초기 생성 모델 집합에 대해 작업 인식 인코더를 학습시키고, 각 생성 모델 클래스가 처음 관찰될 때마다 간결한 클래스별 충분 통계량을 저장하고, 이후 인코더를 고정하여 재학습이 필요 없는 닫힌 형식 업데이트를 수행합니다. 또한, RidgeFT는 공분산 보정을 통해 생성 모델과 관련 없는 변동을 억제하고, 고정된 랜덤 특징을 사용하여 표현 능력을 향상시키며, 클래스 수준의 충분 통계량을 기반으로 하는 닫힌 형식의 리지 회귀를 통해 새로운 클래스를 업데이트합니다. 다양한 초기 생성 모델 설정 하에서 여러 주제에 대한 평가 결과, RidgeFT는 일관되게 기존 방법보다 우수한 성능을 보였습니다. RidgeFT는 도메인, 백본 구조 및 점진적 프로토콜 전반에 걸쳐 가장 높은 매크로 F1 값을 달성했으며, 동시에 기존 클래스 유지율과 새로운 클래스 적응력을 모두 향상시켰습니다. 이러한 결과는 특징적으로 안정적인 분석 업데이트가 평생 MGT 출처 식별을 위한 간단하면서도 효과적인 접근 방식이라는 것을 시사합니다.

Machine-generated text (MGT) attribution aims to identify the specific generator responsible for a given text, thereby providing fine-grained evidence for model accountability and misuse investigation. As new large language models continue to emerge, attribution models must continuously incorporate new generators while preserving their ability to recognize previously seen ones. Prior works have shown that this lifelong MGT attribution setting is challenging, and existing methods often struggle to achieve a stable balance between adapting to new classes and retaining old ones. To address this issue, we propose RidgeFT, a lightweight analytic update framework that does not rely on exemplar replay. RidgeFT trains a task-aware encoder on the initial generator set, stores compact class-wise sufficient statistics when each generator class is first observed, and then freezes the encoder for replay-free closed-form updates. It then suppresses generator-irrelevant variation through covariance calibration, improves representation capacity with fixed random features, and updates new classes through closed-form ridge regression based on class-level sufficient statistics. Across multi-topic evaluations with varying initial generator setups, RidgeFT consistently outperforms baselines. It achieves the best macro-F1 across domains, backbones, and incremental protocols, while also improving both old-class retention and new-class adaptation. These results suggest that feature-stable analytic updates provide a simple yet effective approach to lifelong MGT attribution.