DetectGPT（Mitchell et al., 2023）的官方代码：不训练分类器，用掩码模型对文本做小扰动，比较原文与扰动版的对数概率落差（概率曲率）来判断机器生成。适合在本站做「检测原理可视化/自建英文自查实验」的底层参考，不适合直接当中文论文判定工具。Star 数未在检索结果中可靠给出，不标注。
适用场景：想自建检测实验、理解曲率类方法的开发者/研究生
GitHub DetectGPT 零样本 英文 研究向
操作步骤
- 仓库地址（由 arXiv 论文脚注与 DeepWiki 索引交叉确认）：https://github.com/eric-mitchell/detect-gpt
- 按仓库 README 准备基座模型与 T5 类掩码模型，跑通其示例数据再换自己的英文样本。
- 结果只作研究对照：与 GPTZero/知网分数不可互换（条目 3）。
改写前（构造示例）
改写前（构造示例）
不适用（项目条目）
改写后（构造示例）
改写后（构造示例）
不适用（项目条目）
价值在方法论透明：本站讲困惑度时可引它说明「概率」类检测的学术源头。
开源项目信息
注意事项
- ⚠️ 需要可取得对数概率的模型与算力，闭源 API 场景跑不通原版。
- ⚠️ 2023 年的方法对最新模型的检出会衰减，仓库定位是研究复现，不是生产检测器。