Bachelorarbeit: Kompressionsbasierte Autorschaftsverifikation mit Large Language Models

Hintergrund und Motivation Die Autorschaftsverifikation (AV) befasst sich mit der Frage, ob zwei Texte vom selben Autor/Autorin verfasst wurden. Obwohl es sich dabei um ein vergleichsweise junges Forschungsgebiet handelt, wurden viele etablierte AV-Verfahren bereits vor dem Aufkommen großer Sprachmodelle (LLMs) entwickelt. In den vergangenen Jahren sind zahlreiche neue, auf LLMs basierende Ansätze zur Autorschaftsverifizierung entstanden. Dennoch zeigen klassische Verfahren, abhängig von Aufgabe und Korpus, weiterhin eine konkurrenzfähige Leistung. Bislang ist jedoch nur wenig untersucht, inwiefern sich bestehende klassische Verfahren durch den Einsatz von LLMs weiterentwickeln oder anpassen lassen. Besonders interessant sind hierbei kompressionsbasierte AV-Verfahren wie OCCAV (1), COAV (2) oder NNCD (3). Diese basieren auf statistischen Kompressionsmodellen, deren Funktionalität prinzipiell durch moderne LLMs ersetzt oder erweitert werden könnte. Ziel Ziel der Arbeit ist es, für mehrere klassische AV-Verfahren zu untersuchen, inwieweit zentrale Komponenten durch LLMs ersetzt oder ggf. ergänzt werden können. Ein besonderer Schwerpunkt liegt auf kompressionsbasierten Verfahren. Dabei sollen die von LLMs bereitgestellten Next-Token-Wahrscheinlichkeiten anstelle konventioneller Kompressionsmodelle verwendet und in bestehende AV-Methoden integriert werden. Darüber hinaus soll untersucht werden, welcher Zusammenhang zwischen der Modellierungs- bzw. Kompressionsqualität eines LLMs und der resultierenden Leistung des AV-Verfahrens besteht. Ergebnisse aus verwandten Aufgaben deuten darauf hin, dass dieser Zusammenhang nicht notwendigerweise monoton ist (4). Erwartete Ergebnisse Im Rahmen der Arbeit sollen mehrere klassische AV-Verfahren konzeptionell auf den Einsatz von Large Language Models übertragen und prototypisch implementiert werden. Die entwickelten Varianten sollen anschließend auf mehreren geeigneten AV-Korpora evaluiert und mit den jeweiligen klassischen Verfahren verglichen werden. Dabei sollen insbesondere die Auswirkungen unterschiedlicher LLMs und ihrer Modellierungsqualität auf die Verifikationsleistung analysiert werden.