/ Модель

Характеристики

Контекст
514 токенов
Параметры
454 млн
Лицензия
MIT
Архитектура
roberta · dense
Опубликована
7 апр 2023

RoBERTa-large-ArguGPT

Классификация текстаТекст → label3 профессии

RoBERTa-large, дообученная для определения, написано ли эссе человеком или сгенерировано машиной.

89скачиваний за 30 дней5лайковвеса обновлены24 дек 2023

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

SJTU-CL/RoBERTa-large-ArguGPT — модель классификации текста на базе RoBERTa-large, дообученная на эссе из набора ArguGPT. Она определяет, было ли эссе сгенерировано машиной или написано человеком: метка 1 означает машинный текст, метка 0 — написанный человеком. Модель предназначена для проверки эссе и исследовательского анализа происхождения текста.

Модель принимает текст и выдаёт метку класса. Контекст ограничен 514 токенами; в README рекомендуется обрезать эссе до 512 токенов. Репозиторий содержит веса PyTorch и SafeTensors. Лицензия — MIT.

Сценарии применения

  • проверка эссе на машинную генерацию
  • классификация текста как написанного человеком или ИИ
  • анализ происхождения студенческих эссе

Ограничения

Модель обучена на эссе ArguGPT, поэтому её надёжность на других жанрах и типах текстов не установлена. Для входного эссе рекомендуется ограничить длину 512 токенами.

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

ArguGPT

RoBERTa-large finetuned on ArguGPT essays.

  • label 1 for machine generated essays
  • label 0 for human written essays

Please truncate your input essay to 512 tokens

Citation

Please cite our work arXiv:2304.07666 as

@misc{liu2023argugpt,
      title={ArguGPT: evaluating, understanding and identifying argumentative essays generated by GPT models}, 
      author={Yikang Liu and Ziyin Zhang and Wanyang Zhang and Shisen Yue and Xiaojing Zhao and Xinyuan Cheng and Yiwen Zhang and Hai Hu},
      year={2023},
      eprint={2304.07666},
      archivePrefix={arXiv},
      primaryClass={cs.CL}
}

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
RobertaForSequenceClassification
Ревизия весов
257b89e

0 моделей