Georg-August-Universität Göttingen 发布 Automatically Generated Plagiarism Dataset 数据集, 应用在 文本抄袭检测、自然语言处理 领域

Georg-August-Universität Göttingen 本次发布的数据集 Automatically Generated Plagiarism Dataset, 该数据集由三个大型语言模型生成，用于检测科学文章中的自动生成文本抄袭，并与其各自的来源进行对齐。数据集包含78,038对文档，分为训练、验证和测试集。数据集的创建过程涉及从arXiv中抽取文档，使用SPECTER模型创建文档嵌入，并基于语义相似度选择最相似的文档。数据集被分为不同类别，以支持对系统性能的详细分析。

查看Automatically Generated Plagiarism Dataset

关于 Georg-August-Universität Göttingen , 德国哥廷根大学（Georg-August-Universität Göttingen）成立于1734年，是一所位于德国下萨克森州哥廷根的研究型大学。它是世界著名的高等学府之一，拥有众多诺贝尔奖得主和著名科学家。

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。