Характеристики

Контекст: 512 токенов
Параметры: 137 млн
Лицензия: MIT
Архитектура: bert · dense
Опубликована: 15 июл 2026

Ссылки

Hugging Face

bert-hc3-detector

ahm1129

Классификация текстаТекст → label

Дообученная модель BERT классифицирует англоязычный текст как написанный человеком или сгенерированный ИИ.

14скачиваний за 30 дней0лайковвеса обновлены15 июл 2026

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

Это модель классификации текста на основе BERT-base-uncased, дообученная Абдулом Ханнааном Мохаммедом в рамках магистерского проекта по искусственному интеллекту в University of the West of Scotland. Она предназначена для бинарного определения, написан ли текст человеком или сгенерирован ИИ, и обучена на наборе HC3. В карточке приведены результаты на тестовой выборке HC3: F1 0,9845 и accuracy 0,9895; также описаны проверки на перефразирование Pegasus и QuillBot. Модель имеет 136,7 млн параметров и принимает последовательности длиной до 512 токенов.

Модель рассчитана на англоязычные тексты и выдаёт метку класса для входного текста. Высокие показатели приведены для тестовой выборки HC3; устойчивость к перефразированию зависит от способа обработки текста, а результаты на другом распределении данных не описаны. Лицензия — MIT.

Сценарии применения

проверка, сгенерирован ли текст ИИ
классификация текста как человеческого или машинного
анализ ответов ИИ на наборах данных HC3

Ограничения

Указанные высокие метрики получены на тестовой выборке HC3; результаты на иных типах текстов в карточке не приведены. Перефразирование QuillBot снижало устойчивость детектора сильнее, чем атака с Pegasus.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

BERT-base-uncased — AI-Generated Text Detector (HC3)

Fine-tuned bert-base-uncased for binary classification of human-written vs AI-generated text.

Trained as part of an MSc AI dissertation at the University of the West of Scotland (UWS), 2025/26. Supervisor: Dr Tahir Mahmood | Student: Abdul Hannaan Mohammed (B00409227)

Performance

Condition	F1	Accuracy	Recall
Clean HC3 (test)	0.9845	0.9895	0.9997
Pegasus paraphrase attack	—	—	ASR 1.8%
QuillBot-style attack	—	—	ASR 12.2%
ChatGPT rewrite attack	—	—	ASR 3.2%
M4 cross-dataset	0.5999	0.7045	—

Training

Base model: (Devlin et al., 2019)
Dataset: HC3 (Hello-SimpleAI/HC3) — 55,156 training samples, 70/15/15 split
Epochs: 3 | LR: 2e-5 | Batch: 16
Hardware: Local GPU (6 GB VRAM)

Usage

Citation

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: 0175146