Onderzoekers hebben een nieuw systeem ontwikkeld dat in staat is om teksten te analyseren waarin menselijke en kunstmatige intelligentie samenwerken. De methode, genaamd D2C-Routing, kijkt verder dan een simpel 'ja of nee'-antwoord en maakt onderscheid tussen de oorsprong van de inhoud en de formulering.
Het detecteren van door AI gegenereerde teksten wordt doorgaans benaderd als een binaire keuze: een document is ofwel volledig door een mens geschreven, ofwel door een machine. Volgens een recent onderzoekspapier op arxiv.org schiet deze benadering tekort bij zogenaamde 'mixed-origin writing'. In dergelijke gevallen kan de bron van de feitelijke inhoud namelijk verschillen van de bron van de uiteindelijke tekstuele uitdrukking.
De werking van D2C-Routing
De voorgestelde methode, Dimension-to-Composition Routing (D2C-Routing), benadert detectie als een vorm van bronattributie. In plaats van direct een label toe te kennen, analyseert het systeem twee aparte dimensies: de oorsprong van de content en de oorsprong van de expressie.
Het proces werkt via een specifieke routing-structuur. Bewijslast voor zowel de inhoud als de formulering wordt gestuurd naar gespecialiseerde 'dimension heads'. Vervolgens bepaalt een geleerde 'gated composition layer' hoe deze twee dimensies samenhangen om tot een definitief label te komen. Hierdoor kan het systeem vier verschillende typen samenwerking tussen mens en AI identificeren.
Prestaties en resultaten
Om de effectiviteit van het systeem te testen, maakten de onderzoekers gebruik van MixD2C, een dataset die is afgeleid van de HART mixed-origin benchmark. Uit de resultaten blijkt dat het D2C-Routing-systeem een score van 0,8603 behaalde op de 'four-way Avg TPR@1%FPR'. Dit is een verbetering van 6,5 punten ten opzichte van een lokale rerun van het RACE-model op dezelfde dataset, zoals beschreven in de arxivtldr.org.
Ondanks de verbeteringen wijst een foutanalyse uit dat bepaalde grenzen nog steeds moeilijk te trekken zijn. De grootste uitdaging voor het systeem is het onderscheid maken tussen teksten met AI-inhoud maar menselijke formulering, en teksten die volledig door AI zijn gegenereerd.
Maatschappelijke relevantie en open source
De ontwikkeling van deze technologie is cruciaal voor het bestrijden van geavanceerde desinformatie. Wanneer AI wordt gebruikt om feiten te genereren die vervolgens door mensen worden gepolijst, of vice versa, kunnen traditionele detectoren deze hybride vormen vaak niet herkennen. Door de inhoud en de expressie te ontkoppelen, biedt D2C-Routing een genuanceerder inzicht in de herkomst van digitale teksten.
Het onderzoek is geschreven door een team bestaande uit Xin Chen, Fuwei Zhang, Yiqi Tong, Wei Guo, Yutian Xiao en Fuzhen Zhuang. Het werk is ingediend voor presentatie op de conferentie EMNLP 2026. Om de wetenschappelijke gemeenschap in staat te stellen de resultaten te verifiëren, is de officiële code beschikbaar gesteld via github.com. Daarnaast is er een artefact-repository aangemaakt onder de naam github.com voor aanvullende technische details.
Het volledige onderzoek, bestaande uit 17 pagina's en vier figuren, is publiekelijk toegankelijk via de , waar de methodologie achter de evidence routing en de resultaten van de ablatiestudies uitgebreid worden toegelicht.