肯彭兰切智能技术研究所 发布 MultiSocial 数据集, 应用在 社交媒体分析、机器生成文本检测 领域

肯彭兰切智能技术研究所 本次发布的数据集 MultiSocial, MultiSocial是由肯彭兰切智能技术研究所创建的多语言、多平台数据集，旨在解决社交媒体文本中机器生成文本的检测问题。该数据集包含22种语言，涵盖5个社交媒体平台，总计472,097条文本，其中约58,000条为人类编写，其余由7种多语言大型语言模型生成。数据集的创建过程涉及文本的选择、预处理、生成和后处理，详细信息在附录B中提供。MultiSocial的应用领域主要集中在社交媒体文本的机器生成检测，特别是在零样本和微调形式的检测方法比较中显示出重要价值。

查看MultiSocial

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。