Fast-DetectGPT ist ein Verfahren zur Erkennung von Texten, die möglicherweise von großen Sprachmodellen erzeugt wurden. Es wurde von Forschern um Guangsheng Bao entwickelt und 2024 auf der ICLR-Konferenz vorgestellt. Das Verfahren arbeitet ohne eigens trainierten Klassifikator und untersucht statistische Eigenschaften der Wortwahl eines Textes.

Grundlage ist die sogenannte bedingte Wahrscheinlichkeitskrümmung. Vereinfacht gesagt prüft Fast-DetectGPT, wie typisch die gewählten Wörter für ein Sprachmodell im jeweiligen Kontext erscheinen. Gegenüber dem älteren DetectGPT soll das Verfahren deutlich schneller arbeiten und erreichte in den ursprünglichen Tests bessere Erkennungswerte.

Trotzdem liefert auch Fast-DetectGPT keinen sicheren Beweis für KI-Urheberschaft. Die Zuverlässigkeit hängt unter anderem vom verwendeten Sprachmodell, vom Texttyp und von möglichen Überarbeitungen ab.