AI Institute University of South Carolina 发布 A Comprehensive Dataset for Human vs.AI Generated Text Detection 数据集, 应用在 文本检测、自然语言处理 领域

AI Institute University of South Carolina 本次发布的数据集 A Comprehensive Dataset for Human vs.AI Generated Text Detection, 该数据集由来自《纽约时报》的真实新闻文章和由多个最先进的语言模型生成的合成版本组成，旨在推动AI生成文本的检测和归因方法的发展。数据集包含超过5.8万个文本样本，涵盖了真实的新闻文章摘要和由Gemima-2-9b、Mistral-7B、Qwen-2-72B、LLaMA-8B、Yi-Large和GPT-4-o等模型生成的合成文本。数据集的构建过程包括从《纽约时报》提取文章摘要作为提示，并使用这些提示生成AI文本输出。数据集可用于开发、训练和评估AI内容检测系统，并支持多项研究，包括开发鲁棒的分类器、特征工程、跨模型泛化、基准测试和模型评估、虚假信息和不真实性的影响以及混合内容推荐系统。

查看A Comprehensive Dataset for Human vs.AI Generated Text Detection

Dataset card 内容： 

Files and versions 内容： 

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。