中国科学院信息工程研究所 发布 RealDet 数据集, 应用在 文本检测、自然语言处理 领域

中国科学院信息工程研究所 本次发布的数据集 RealDet, RealDet是一个高质量的机器生成文本检测数据集，涵盖了广泛的主题领域，确保了实际校准并能够在与MCP结合时实现优异的检测性能。该数据集包含847,000条原始文本，涉及15个代表性行业领域，22个流行且强大的大型语言模型，并包含两种对抗性攻击。数据集的创建过程涉及从现有数据集中过滤并选择代表性行业来源，使用22个基础模型进行生成，并设计三种类型的提示来收集机器生成的文本。RealDet旨在解决机器生成文本检测中的高假阳性率问题，并提高检测性能，使其在多个检测器和数据集上具有更好的鲁棒性。

查看RealDet

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。