论文发布人机合著文本检测模型与240万条多语言数据集。
资讯摘要
该论文提出一组用于token分类的模型，专门检测人机合著文本，并构建了覆盖23种语言、超过240万条文本的新数据集，其中多数由多个主流专有LLM参与生成。作者报告，这些模型在未见领域、未见生成器、非母语者文本及对抗输入上表现良好，并分析了不同领域、生成器、对抗方法和输入长度下的性能差异。
要点速读
- 论文提出一组面向token分类的检测模型，训练数据为大量人机合著文本。
- 作者报告模型在未见领域、未见生成器、非母语者文本和对抗输入上表现良好。
- 论文发布超过240万条、覆盖23种语言的人机合著文本数据集，并给出分领域、分生成器的性能分析。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/28 08:00:17（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。