为什么重要
随着大语言模型生成的中文文本日益泛滥，AI 生成文本检测成为学术诚信和网络安全的关键课题。然而中文领域的检测基准长期存在模型覆盖有限和数据同质化问题。C-ReD 基于真实世界提示词构建，覆盖多种生成模型和多个文本领域，为中文场景下的 AI 文本检测提供了更全面、真实的评测平台。
核心设计
C-ReD 使用真实世界提示词（而非人工构造提示）驱动多个大语言模型生成文本，覆盖广泛的文本领域。基准在模型多样性、领域覆盖和提示词真实性三个维度上填补了此前中文检测基准的空白，支持域内检测、跨模型泛化和跨数据集泛化三个层次的评测。
关键发现
实验表明，基于 C-ReD 训练的检测器在域内检测中表现可靠，且能较好地泛化到未见过的 LLM 模型和外部中文数据集，验证了真实提示词驱动的数据构建策略的有效性。