随着大语言模型（LLM）逐渐具备多语言能力，区分人工撰写与 AI 生成的文本成为维护信息可信度的关键。然而，现有研究主要聚焦英文，低资源语言如印地语的检测基准仍然缺乏。为填补这一空白，我们构建了 SHAKTI——一个覆盖四类文体、八个 LLM 系列、多种提示方式以及对抗性变换的大规模印地语基准。基准质量通过人工标注验证，并对人类文本与 AI 文本在语言结构、语法特征和情感倾向上进行对比分析。基于这些发现，我们提出了 TRIDENT 检测框架，核心思想是利用原文与其往返翻译（RTT）之间的语义一致性来判别 AI 生成内容。TRIDENT 包含三种实现：TRIDENT‑S 使用固定阈值，TRIDENT‑D 动态阈值，TRIDENT‑C 采用多距离 RTT 特征的逻辑回归。实验结果表明，TRIDENT 在所有对比基线中表现最优，尤其 TRIDENT‑S 达到整体最佳性能。进一步在七种语言、对抗性设置以及未见 LLM 上的评估证实了其多语言适用性和鲁棒性，同时也揭示了对翻译模型的敏感性。\n\n点评：SHAKTI 为印地语 AI 文本检测提供了首个系统化基准，TRIDENT 的往返翻译思路简洁而有效，尤其在资源受限语言中展现出良好的迁移能力。未来可通过提升翻译模型质量或结合更多语言特征进一步提升检测稳健性。