/ Модель

Характеристики

Контекст
512 токенов
Параметры
136 млн
Лицензия
CC BY-NC 4.0
Архитектура
bert · dense
Базовая модель
pt-ai-detector
Опубликована
21 мая 2025

pt-ai-detector-sent

Классификация текстаТекст → label3 профессии

Классификатор BERT определяет, вероятно ли, что португальское предложение написано человеком или сгенерировано ИИ.

248скачиваний за 30 дней2лайкавеса обновлены23 мая 2025

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

pt-ai-detector-sent — португалоязычный классификатор предложений, разработанный командой detecting-ai.com. Он оценивает, вероятно ли, что отдельное предложение написано человеком или сгенерировано языковой моделью. Модель предназначена для проверки коротких фрагментов текста, где документный классификатор Detecting-ai/pt-ai-detector терял точность.

Это дообученная модель BERT для классификации последовательностей объёмом 136,1 млн параметров, с контекстом до 512 токенов. Её обучали на сбалансированном наборе из 200 тысяч человеческих и ИИ-предложений; для ИИ-текстов использовали модели GPT-4o-mini, GPT-4o и GPT-35-turbo. Модель принимает текст на португальском языке и выдаёт метку класса с оценкой уверенности. Репозиторий содержит форматы Safetensors и ONNX.

В опубликованной оценке на сбалансированной тестовой выборке из 20 тысяч предложений указана макро-F1 0,989. Лучше всего модель работает на предложениях длиной от 8–10 токенов; на очень коротких фрагментах результат ненадёжен. Возможны ложные срабатывания на формальном человеческом тексте и пропуски ИИ-текста со сленгом, а качество может снижаться для новых моделей и текстов с сильной промпт-инженерией. Это не детектор плагиата и не доказательство авторства. Лицензия CC-BY-NC-4.0 ограничивает коммерческое использование.

Сценарии применения

  • проверка португальских предложений на генерацию языковой моделью
  • предварительная проверка коротких текстов перед редакторской проверкой
  • анализ отдельных предложений в португалоязычном контенте

Ограничения

На очень коротких фрагментах результаты ненадёжны; возможны ложные срабатывания на формальном человеческом тексте и пропуски ИИ-текста со сленгом. Точность может снижаться для новых моделей и сильно переформулированных текстов; результат не доказывает авторство.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

🇧🇷 pt-ai-detector-sent

Sentence-level Portuguese classifier that flags whether a single sentence was likely written by a Large-Language-Model (LLM) or by a human.

Why? The document-level model Detecting-ai/pt-ai-detector works great on paragraphs, but very short inputs lost accuracy.
This checkpoint inherits that backbone and is fine-tuned on 200 k balanced sentences.

propertyvalue
Base checkpointDetecting-ai/pt-ai-detector
Fine-tune data100 000 human + 100 000 AI sentences (≥ 4 words)
LLMs used for AI textAzure OpenAI gpt-4o-mini, gpt-4o, gpt-35-turbo
Training1 epoch · batch 16 · lr 1 e-5 · A100-40 GB
Validation F10.989 (balanced sentences)
Intended usequick checks inside larger pipelines, sentence-by-sentence highlighting

Demo : see the free web checker at detecting-ai.com — powered by this model.


✨ Quick start

from transformers import pipeline

clf = pipeline(
    "text-classification",
    model="Detecting-ai/pt-ai-detector-sent",
    tokenizer="Detecting-ai/pt-ai-detector-sent",
    device_map="auto"          # GPU if available
)

txt = "A inteligência artificial está transformando a educação."
print(clf(txt, top_k=None))
# → [{'label': 'LABEL_1', 'score': 0.87}]   # 1 = AI, 0 = Human

🔧 Recommended threshold

score rangeinterpretation
> 0.70likely AI (LLM-generated / paraphrased)
0.30 – 0.70uncertain – review in context
< 0.30likely Human

For full documents, classify every sentence and aggregate (e.g. “flag as AI if ≥ 30 % of sentences score > 0.70”).


🗂️ Training data

corpuspurpose
wiki40b-pt, oscar-pt, cc100-pt, europarl-pt, opus-books-pthuman prose (web, books, parliament)
Detecting-ai/ai_pt_corpus1 M AI sentences generated with Azure OpenAI models (news, essays, chat, tweets, dialogs, code comments)

All human corpora were cleaned (language-ID filter, deduplication, URL removal).
Sentences shorter than 4 tokens were dropped.


📈 Validation metrics

splitprecisionrecallF1
Human0.9870.9900.989
AI0.9910.9880.989
Macro0.9890.9890.989

Evaluated on a held-out, balanced set of 20 k sentences.


⚠️ Limitations & caveats

  • Best on Portuguese sentences ≥ 8–10 tokens; very short fragments are mostly noise.
  • Trained on mainstream GPT family (GPT-4o, GPT-35-turbo); accuracy may drop on entirely novel models or heavy prompt-engineering.
  • Occasional false-positives on very formal human writing; false-negatives on heavy slang AI output.
  • Not a plagiarism detector and does not guarantee authorship.

📜 License

Creative Commons CC-BY-NC 4.0 – free for research & non-commercial use.
Commercial use requires written permission from the authors.


🤝 Team & contact

Built with ❤️ by the team behind detecting-ai.com.
Questions, issues, partnership requests → support@detecting-ai.com

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
BertForSequenceClassification
Ревизия весов
6617431

0 моделей