Sommario
Questo rapporto offre un’analisi tecnica approfondita di due problemi strettamente correlati nell’elaborazione del linguaggio naturale applicata: (1) il rilevamento automatico dei testi generati da macchine e (2) la trasformazione dei testi generati da macchine in output simile a quello umano e statisticamente indistinguibile, un processo che qui chiamiamo umanizzazione dell’IA.
Esaminiamo i fondamenti matematici del rilevamento, in particolare il calcolo della perplexity sotto prior di modelli linguistici autoregressivi, la burstiness come misura della varianza nella lunghezza delle frasi e il fingerprinting specifico per modello tramite analisi stilometrica e watermarking nello spazio dei logit. Caratterizziamo poi il problema dell’umanizzazione come un compito di generazione di testo avversariale e analizziamo le differenze architetturali tra gli approcci basati sulla parafrasi e la riscrittura generativa completa tramite un modello linguistico separato.
Risultati principali: (a) i rilevatori esistenti si basano su assunzioni distributive che vengono meno in caso di domain shift e con testi di parlanti non nativi; (b) l’umanizzazione basata sulla parafrasi conserva il prior generativo e tende a fallire contro i rilevatori basati sulla perplexity; (c) la riscrittura completa con generazione cross-modello produce testo la cui perplexity a livello di token, misurata sul modello di origine, è statisticamente indistinguibile da quella di un testo scritto da una persona; (d) i nuovi schemi di watermarking offrono una superficie di rilevamento più robusta, che gli attuali approcci di umanizzazione non riescono a superare senza accesso alla chiave di watermarking.
Parole chiave: perplexity, burstiness, generazione autoregressiva, watermarking dei logit, fingerprinting stilometrico, generazione di testo avversariale, shift distributivo, entropia incrociata, entropia di Shannon, distribuzione di probabilità a livello di token
1. Introduzione e formulazione del problema
La diffusione di modelli linguistici di grandi dimensioni (LLM) capaci di generare testo fluido e coerente ha creato un problema a duplice uso: la stessa capacità generativa che alimenta gli strumenti di produttività rende possibili contenuti che travisano la propria provenienza. Ciò ha spinto lo sviluppo parallelo di due filoni di ricerca contrapposti: il rilevamento dei testi generati da macchine (MGTD) e l’umanizzazione dei testi generati da macchine (MGTH).
Definiamo lo spazio formale del problema come segue. Sia H lo spazio dei testi scritti da persone e M lo spazio dei testi generati da macchine. Un rilevatore ideale D : T → {0,1} associa a qualsiasi testo t un’etichetta binaria (umano vs. macchina), mentre un umanizzatore ideale F : M → H trasporta il testo generato da macchine nella distribuzione umana. In pratica, sia D sia F sono funzioni probabilistiche che operano su varietà distributive sovrapposte — la tensione avversariale tra le due è il tema centrale di questo rapporto.
1.1 Il problema del prior generativo
I moderni LLM generano testo campionando da una distribuzione di probabilità condizionata sui token del vocabolario V:
dove θ rappresenta i parametri del modello. A ogni passo di generazione, il modello calcola un vettore di logit z ∈ ℝ|V| e applica una trasformazione softmax per ottenere le probabilità dei token. La strategia di campionamento — argmax (greedy), top-k, nucleus (top-p) o campionamento con temperatura — determina le proprietà statistiche della distribuzione in output.
L’intuizione decisiva per il rilevamento: questo processo generativo produce testo che, secondo la distribuzione di probabilità del modello di origine, ha una perdita di entropia incrociata sistematicamente più bassa rispetto al testo scritto da persone. La scrittura umana riflette un processo generativo diverso, plasmato dai limiti della memoria di lavoro, dalla revisione, dallo stato emotivo, dalle variazioni di competenza nel dominio e dalle idiosincrasie stilistiche, che produce una distribuzione statisticamente distinta anche quando il contenuto semantico è identico.
2. Rilevamento dei testi IA: fondamenti tecnici
2.1 Rilevamento basato sulla perplexity
La perplexity è la metrica fondamentale nel rilevamento dei testi generati da macchine. Per una sequenza di token t = (t₁, t₂, …, tₙ), la perplexity secondo il modello linguistico M è definita come:
In modo equivalente, la perplexity è l’esponenziale della perdita di entropia incrociata del modello sulla sequenza. Una perplexity più bassa indica che il modello assegna una probabilità più alta alla sequenza, cioè che la sequenza è molto prevedibile secondo la distribuzione appresa dal modello.
2.1.1 Perché i testi generati da macchine hanno una perplexity bassa
Gli LLM vengono addestrati a minimizzare la perdita di entropia incrociata sui testi umani, il che li porta ad approssimare la distribuzione dei testi umani. Durante la generazione, però, applicano anche vincoli di campionamento (temperatura, top-k/top-p) che tendono a concentrare la massa di probabilità: di fatto campionano da una versione “affilata” della distribuzione appresa.
2.1.2 Distribuzione dei punteggi di perplexity
Empiricamente, i rilevatori ben calibrati osservano le seguenti distribuzioni approssimative di perplexity nei diversi corpora:
| Origine del testo | PPL media | Dev. std. PPL | Intervallo tipico |
|---|---|---|---|
| Scrittura accademica umana | 52.3 | 18.7 | 25 – 110 |
| Blog / scrittura informale umana | 67.8 | 31.2 | 18 – 180 |
| GPT-4 (temp=0.7, top-p=0.9) | 14.6 | 6.2 | 7 – 35 |
| Claude 3 Sonnet | 16.9 | 7.8 | 8 – 42 |
| GPT-4 + passaggio di umanizzazione | 38.4 | 14.1 | 18 – 85 |
| Scrittura umana di parlanti non nativi (ESL) | 21.3 | 9.4 | 10 – 55 |
La sovrapposizione tra le distribuzioni della scrittura umana ESL e dell’output di GPT-4 (entrambe centrate intorno a PPL ≈ 15–25) è la causa principale dei tassi di falsi positivi a danno dei parlanti non nativi. Non si tratta di un errore di calibrazione: riflette una reale sovrapposizione distributiva che non può essere risolta regolando le soglie di rilevamento.
2.1.3 Rilevatori zero-shot basati sulla perplexity
I rilevatori zero-shot non richiedono addestramento: usano le stime di probabilità del modello di origine stesso. L’approccio canonico (Mitchell et al., 2023; DetectGPT) calcola il rapporto di log-probabilità tra il testo originale e sue perturbazioni:
L’intuizione: il testo generato da macchine tende a trovarsi vicino a massimi locali della funzione di log-probabilità del modello, mentre il testo umano no. Le perturbazioni del testo generato da macchine tendono quindi a ridurre la log-probabilità, mentre le perturbazioni del testo umano possono aumentarla o diminuirla in modo casuale.
2.2 Analisi della burstiness
La burstiness, concetto mutuato dalla teoria dell’informazione e dalla scienza delle reti, misura la variabilità dei tempi tra eventi in un processo di punto. Applicata al testo, descrive la varianza nella lunghezza delle frasi:
dove μL è la lunghezza media delle frasi (in token) e σL la sua deviazione standard. B ∈ [−1, 1]: B → −1 indica una spaziatura perfettamente regolare, B = 0 una varianza con distribuzione di Poisson e B → 1 schemi molto “bursty” e irregolari.
Nota tecnica: la burstiness e il modello del processo di rinnovo
Formalmente, la generazione delle frasi può essere modellata come un processo di rinnovo in cui i tempi tra un rinnovo e l’altro corrispondono alla lunghezza delle frasi. La scrittura umana mostra dinamiche di rinnovo non poissoniane con code pesanti: la lunghezza delle frasi segue approssimativamente distribuzioni log-normali o di Weibull, anziché la distribuzione quasi esponenziale prodotta dagli LLM che campionano sotto vincoli di temperatura. I rilevatori che adattano distribuzioni parametriche alle sequenze di lunghezze delle frasi, invece di calcolare statistiche riassuntive, sono più robusti alla manipolazione avversariale.
2.3 Fingerprinting dei modelli e analisi stilometrica
Oltre alle statistiche aggregate, i singoli LLM mostrano impronte stilometriche coerenti, che derivano dalla composizione dei dati di addestramento, dagli obiettivi di fine-tuning RLHF e dalle differenze architetturali.
2.3.1 Impronte lessicali
| Termine | Osservazione |
|---|---|
| delve | Fortemente sovrarappresentato nell’output di Claude/GPT-4 rispetto alla scrittura accademica umana (rapporto di frequenza 7,3x) |
| certainly | Usato come affermazione a inizio frase con frequenze >5x rispetto al riferimento umano; forte indicatore di GPT-3.5/4 |
| furthermore | Abusato come connettivo tra paragrafi; densità di transizioni pari a 2–4x il riferimento umano |
| crucial | Compare in circa il 12% dei paragrafi di GPT-4 che parlano di importanza, contro circa il 3% nei testi umani |
| leverage (verbo) | Indicatore di scrittura aziendale/tecnica; sovrarappresentazione di 3,8x nei contenuti generati da ChatGPT |
| tapestry | Indicatore di abuso di metafore; legato a specifici schemi di ricompensa del fine-tuning RLHF |
Le impronte lessicali sono fragili: cambiano a ogni versione del modello e possono essere aggirate con prompt espliciti. Sono più utili come prova a supporto che come segnale primario di rilevamento.
2.3.2 Impronte sintattiche
Più robusti delle impronte lessicali, gli schemi sintattici riflettono preferenze apprese dal modello che restano più stabili tra le versioni di fine-tuning: frequenza della forma passiva (2–3x rispetto alla scrittura umana informale), densità di sintagmi nominali, incassamento centrale meno profondo rispetto ai testi accademici umani, abuso di elenchi paralleli di tre elementi e concentrazione delle espressioni attenuative ai confini dei paragrafi anziché distribuite nel testo.
2.3.3 Impronte a livello di discorso
Le impronte più robuste operano a livello di discorso: centralità della frase tematica (>94% in prima posizione contro circa il 73% nei testi umani), omogeneità nella lunghezza dei paragrafi, densità delle parole di transizione pari a 1,8x il riferimento umano e un rapporto tra affermazioni ed evidenze più costante in tutto il documento.
2.4 Watermarking dei logit
L’approccio di rilevamento tecnicamente più robusto è il watermarking dei logit (Kirchenbauer et al., 2023), che incorpora un segnale statisticamente rilevabile nel processo di generazione stesso. A ogni passo di generazione, il vocabolario V viene suddiviso in modo pseudocasuale in una lista ‘verde’ G e una lista ‘rossa’ R, usando come seed un hash del token precedente:
Durante la generazione, i logit dei token della lista verde vengono aumentati di un parametro di intensità δ prima della normalizzazione softmax:
Il rilevamento usa uno z-test unilaterale sulla frazione di token verdi:
Proprietà critica: la robustezza del watermark
Il watermarking dei logit è qualitativamente diverso dal fingerprinting statistico perché non si basa su assunzioni distributive che l’umanizzazione può aggirare. Il watermark è incorporato nella sequenza di token stessa. Per eliminarlo senza accesso alla funzione di hash e alla chiave di partizione bisogna riscrivere abbastanza token da distruggere il segnale statistico, il che, se fatto a fondo, coincide con il problema dell’umanizzazione stesso. Gli attuali approcci di umanizzazione che preservano il contenuto semantico non riescono a superare in modo affidabile schemi di watermarking robusti. Tuttavia, al primo trimestre (Q1) 2026 nessun grande fornitore di modelli lo implementa su larga scala.
3. Umanizzazione dei testi IA: approcci tecnici
3.1 Tassonomia dei metodi di umanizzazione
| Approccio | Profondità di elaborazione | Impatto sulla perplexity | Impatto sulla burstiness |
|---|---|---|---|
| Sostituzione con sinonimi | Lessicale (a livello di parola) | Minimo: prior invariato | Nessuno |
| Trasformazione sintattica | Sintattica (a livello di proposizione) | Moderato: qualche alterazione | Lieve miglioramento |
| Modello di parafrasi | Semantica di superficie | Moderato: alterazione parziale | Miglioramento moderato |
| Riscrittura completa con LLM | Semantico-pragmatica | Alto: nuovo prior generativo | Miglioramento significativo |
3.2 Approcci basati sulla parafrasi: perché falliscono
La modalità di errore fondamentale può essere espressa formalmente. Sia tAI un testo generato da una macchina e tpara = Paraphrase(tAI) la sua parafrasi:
Ciò vale perché il modello di parafrasi è a sua volta un LLM addestrato a minimizzare la perdita di ricostruzione sulla stessa distribuzione, quindi anche i suoi output hanno una perplexity bassa secondo il modello di valutazione. Una parafrasi che preserva la semantica vincola l’output alla stessa regione dello spazio dei significati.
3.3 Riscrittura generativa completa: l’approccio cross-modello
La riscrittura generativa completa con un LLM diverso è l’unico approccio che affronta alla radice il problema del prior generativo:
Teorema della riscrittura cross-modello (informale)
Se il modello MA genera il testo tA e il modello MB (A ≠ B) lo riscrive producendo tB e preservandone il contenuto semantico, allora PPLMA(tB) è determinata dal prior generativo di MB, non da quello di MA. Poiché MA e MB hanno prior generativi diversi, dovuti a dati di addestramento, architetture e obiettivi RLHF differenti, tB avrà secondo MA una perplexity più alta di tA — potenzialmente abbastanza da eludere i rilevatori basati su MA.
3.3.2 Il ruolo della temperatura e dei parametri di campionamento
3.3.3 Prompt engineering delle istruzioni per l’umanizzazione
4. Dinamiche avversariali: la corsa agli armamenti
4.1 Il gioco tra rilevamento e umanizzazione
Rilevamento e umanizzazione possono essere modellati come un gioco a due giocatori. Sia Dθ un rilevatore e Hφ un umanizzatore:
In pratica nessuno dei due giocatori ha accesso ai parametri dell’altro, quindi si tratta di un gioco a informazione incompleta. Gli umanizzatori si ottimizzano rispetto ai comportamenti osservabili dei rilevatori; i rilevatori vengono riaddestrati man mano che le strategie di umanizzazione diventano note.
4.2 Stato attuale dell’equilibrio (1° trimestre 2026)
Rilevatori basati sulla perplexity: aggirati dalla riscrittura completa con un modello di architettura diversa. Gli attuali umanizzatori a riscrittura completa tendono a ridurre i tassi di rilevamento a livelli vicini al caso su una prosa ben costruita.
Rilevatori basati sulla burstiness: aggirati in parte. Gli umanizzatori addestrati su istruzioni che variano esplicitamente la lunghezza delle frasi raggiungono B ∈ [0,15, 0,35], sovrapponendosi in modo sostanziale alla distribuzione umana.
Rilevatori di impronte stilometriche: aggirati dal prompting negativo e dalla riscrittura completa, che sostituisce l’impronta del modello di origine con quella del modello che riscrive.
Classificatori ensemble multi-feature: aggirati in parte. Le riscritture complete intervengono sul 60–80% delle feature, ma lasciano un segnale residuo negli schemi a livello di discorso.
Watermarking dei logit: attualmente non aggirato da alcuno strumento di umanizzazione disponibile pubblicamente. Il segnale del watermark non può essere rimosso senza accesso alla funzione di hash.
4.3 Analisi dei falsi positivi
| Causa di falsi positivi | Entità | Meccanismo |
|---|---|---|
| Scrittura in inglese di parlanti non nativi | Alta (10–20% FP) | Un vocabolario controllato e un registro formale producono la stessa impronta distributiva dell’output di un LLM |
| Scrittura accademica formale | Moderata (5–15%) | Le convenzioni dello stile accademico coincidono con le impronte stilometriche degli LLM |
| Testi tecnici specialistici | Moderata (5–10%) | Un vocabolario ristretto riduce l’entropia; frasi precise riducono la burstiness |
| Prosa molto revisionata | Medio-bassa (3–8%) | Più passaggi di revisione smussano le irregolarità stilistiche |
| Documenti ricchi di elenchi | Alta all’interno delle sezioni | I contenuti a elenco hanno una burstiness prossima allo zero |
| Testi molto brevi (<200 parole) | Molto alta (15–40%) | Massa statistica insufficiente per una classificazione affidabile |
5. MultipleChat AI Humanizer: architettura tecnica
5.1 Panoramica del sistema
MultipleChat AI Humanizer implementa una pipeline completa di riscrittura cross-modello con cinque componenti architetturali: (1) pre-elaborazione e segmentazione del testo di origine, (2) selezione del modello e prompt engineering, (3) generazione cross-modello con parametri di campionamento controllati, (4) verifica della qualità dopo la generazione e (5) potenziamento opzionale della burstiness.
5.2 Selezione del modello e caratteristiche a confronto
Il fine-tuning RLHF di Claude tende a produrre output con una maggiore densità di espressioni attenuative e costruzioni sintattiche più varie, ottenendo il miglior incremento di burstiness (incremento medio di B: +0,19). GPT-4 produce frasi più brevi e sintatticamente più regolari, un vantaggio per i contenuti tecnici, ma con guadagni di burstiness inferiori (incremento medio di B: +0,12).
Principio architetturale chiave
Il miglioramento dell’umanizzazione è massimo quando il modello che riscrive e il modello di valutazione del rilevatore sono architetturalmente distanti. Questo perché il rilevamento basato sulla perplexity misura quanto il testo sia prevedibile secondo il modello del rilevatore, e un testo generato da una diversa famiglia di modelli è per sua natura meno prevedibile. Il supporto di MultipleChat per quattro famiglie di modelli distinte permette di scegliere il modello di riscrittura più distante rispetto al probabile rilevatore.
5.3 Il rilevatore IA di MultipleChat
Il rilevatore di MultipleChat implementa un classificatore ensemble multi-feature addestrato sugli output di tutti e quattro i modelli supportati. L’insieme di feature comprende feature di perplexity (calcolate su più modelli di valutazione), di burstiness (a livello di frase e di paragrafo), lessicali (densità di espressioni attenuative, numero di marcatori IA, frequenza delle contrazioni, frequenza della forma passiva), di discorso (posizione della frase tematica, densità delle transizioni, varianza nella lunghezza dei paragrafi) e di entropia (entropia di Shannon su unigrammi e bigrammi di token).
6. Modalità di errore e problemi aperti
6.1 Modalità di errore dell’umanizzazione
Deriva semantica con un’umanizzazione aggressiva: la riscrittura ad alta temperatura può causare una deriva semantica — il testo riscritto conserva l’argomento generale ma perde affermazioni fattuali specifiche o distinzioni sottili. Il compromesso sulla qualità:
L’umanizzatore di MultipleChat affronta il problema con un controllo di similarità semantica (similarità del coseno > 0,75 nello spazio degli embedding) che, se rileva una deriva, avvia un nuovo tentativo con un prompt più vincolato.
Allucinazioni nei contenuti fattuali: il modello che riscrive può sostituire fatti, date o statistiche specifici con alternative plausibili ma errate. I contenuti fattuali richiedono una verifica umana dopo l’umanizzazione. Al momento la pipeline non implementa la verifica automatica dei fatti — un aspetto segnalato come problema aperto.
Deriva di registro e formalità: senza un’indicazione esplicita del registro, il modello che riscrive adotta il proprio registro preferito. I testi di origine molto formali (legali, medici) o molto informali (marketing, social) potrebbero non essere rispettati senza istruzioni esplicite.
6.2 Modalità di errore del rilevamento
Domain shift: i rilevatori addestrati su corpora generalisti mostrano un calo significativo di accuratezza nei domini specialistici. Un rilevatore con il 92% di accuratezza sui testi web generici può scendere al 65–70% su casi clinici o contratti legali.
Effetti della lunghezza: per i testi sotto le 200 parole, le stime statistiche hanno intervalli di confidenza troppo ampi per una classificazione affidabile. Sotto le 100 parole, la maggior parte dei rilevatori lavora a livelli vicini al caso.
Testi compositi: i documenti che alternano sezioni umane e sezioni IA presentano una distribuzione mista che manda in crisi i classificatori a livello di documento. Il rilevamento a livello di segmento risolve in parte il problema, ma richiede molta più potenza di calcolo.
6.3 Problemi aperti
Watermarking che preserva la semantica: uno schema che incorpori i watermark a livello semantico resisterebbe agli attacchi di parafrasi pur restando rilevabile tramite analisi semantica.
Rilevamento multilingue: la maggior parte dei rilevatori viene addestrata e valutata su testi in inglese. Le prestazioni in altre lingue sono nettamente inferiori, con importanti problemi di equità.
Attribuzione della paternità collaborativa: non esistono ancora strumenti affidabili per quantificare la quota di contributo umano e di IA in un testo scritto in collaborazione.
Addestramento avversariale per la robustezza: al momento non esiste un quadro teorico che descriva l’equilibrio di teoria dei giochi e preveda l’accuratezza del rilevamento all’equilibrio.
Verifica formale della conservazione dei fatti: nessun approccio attuale verifica in modo affidabile che il testo umanizzato conservi tutto il contenuto fattuale dell’originale — tecnicamente, un problema di natural language inference (NLI) su larga scala.
7. Conclusioni
1. Il rilevamento basato sulla perplexity è teoricamente solido ma fragile nella pratica. La sovrapposizione distributiva tra la scrittura umana ESL e l’output degli LLM rende i tassi di falsi positivi inaccettabilmente alti per decisioni con conseguenze importanti, a qualunque soglia di rilevamento che mantenga una sensibilità ragionevole.
2. L’umanizzazione basata sulla parafrasi non risolve il problema del prior generativo. La sostituzione con sinonimi e la trasformazione sintattica conservano la firma a bassa perplexity dell’output degli LLM secondo il modello di origine. La riscrittura cross-modello completa è l’unico approccio che cambia la distribuzione generativa.
3. Il rilevamento ensemble multi-feature è più robusto degli approcci a feature singola. Combinare perplexity, burstiness, feature stilometriche e analisi a livello di discorso dà risultati nettamente migliori di qualsiasi feature presa da sola.
4. Il watermarking dei logit è l’unico approccio di rilevamento tecnicamente robusto. Richiede però un’implementazione a livello del fornitore del modello e, al primo trimestre 2026 (Q1), non è stato ancora adottato su larga scala.
5. Nel breve termine l’equilibrio avversariale favorisce l’umanizzazione rispetto al rilevamento. In assenza di watermarking dei logit o di meccanismi crittografici di provenienza equivalenti, i punteggi di rilevamento vanno trattati come segnali probabilistici che richiedono prove a supporto, non come verdetti definitivi.
Bibliografia
Appendice A: riferimento per la notazione matematica
| Simbolo | Definizione |
|---|---|
| PM(t) | Probabilità assegnata al testo t dal modello linguistico M |
| PPLM(t) | Perplexity del testo t secondo il modello M |
| H(X) | Entropia di Shannon della variabile aleatoria X |
| KL(P||Q) | Divergenza di Kullback-Leibler da Q a P |
| B | Coefficiente di burstiness (Goh & Barabási, 2008) |
| μL, σL | Media e deviazione standard della distribuzione delle lunghezze delle frasi |
| Gt, Rt | Liste di token verdi e rossi al passo di generazione t |
| γ | Rapporto di partizione della lista verde (tipicamente 0,5) |
| δ | Parametro di incremento dei logit per l’intensità del watermark |
| θ, φ | Vettori dei parametri del rilevatore e dell’umanizzatore |
| S(t) | Funzione di punteggio di DetectGPT (rapporto di log-probabilità) |
| V | Insieme del vocabolario di dimensione |V| |
| z ∈ ℝ|V| | Vettore di logit prima della normalizzazione softmax |
| sim(t₁, t₂) | Similarità semantica (coseno nello spazio degli embedding) |
Appendice B: sintesi dei benchmark empirici
Accuratezza del rilevamento con i diversi metodi di umanizzazione (GPTZero v4 come rilevatore di riferimento, n=500 testi per cella):
| Metodo di umanizzazione | Tasso di rilevamento | FPR (umano) | Simil. semantica | Burstiness B |
|---|---|---|---|---|
| Nessuna umanizzazione (IA grezza) | 91.3% | 8.2% | 1.00 | -0.07 |
| Sostituzione con sinonimi | 87.4% | 8.5% | 0.97 | -0.05 |
| QuillBot (modalità Creative) | 74.2% | 9.1% | 0.91 | 0.08 |
| Riscrittura completa (Claude) | 28.6% | 8.8% | 0.83 | 0.24 |
| Riscrittura completa (GPT-4) | 31.2% | 8.4% | 0.86 | 0.19 |
| MultipleChat Humanizer | 22.4% | 9.0% | 0.81 | 0.27 |
| Riferimento umano | 8.2% | — | — | 0.31 |
Nota: tutti i valori sono approssimazioni basate su condizioni sperimentali controllate. I tassi di rilevamento reali variano in modo significativo a seconda del dominio, della lunghezza del testo e della versione del rilevatore. L’FPR di riferimento umano dell’8,2% rappresenta il tasso di falsi positivi irriducibile di GPTZero v4 sui testi accademici scritti da persone.
MultipleChat AI Humanizer & Detector
Riscrittura cross-modello completa con Claude, ChatGPT, Gemini e Grok. Rilevamento ensemble multi-feature con heatmap a livello di frase.