/ Модель
Каталог

Характеристики

Контекст
512 токенов
Параметры
424 млн
Лицензия
MIT
Архитектура
bert · dense
Опубликована
10 апр 2026

Ссылки

Hugging Face

paperpass-v3

yibo365
Классификация текстаТекст → label3 профессии

Китайскоязычная модель PaperPass классифицирует абзацы как написанные человеком или сгенерированные ИИ.

267скачиваний за 30 дней1лайквеса обновлены11 апр 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

paperpass-v3 — китайскоязычная модель классификации текстов, разработанная PaperPass для определения, мог ли абзац быть создан ИИ. Она дообучена на базе hfl/chinese-roberta-wwm-ext-large и имеет архитектуру BERT для классификации последовательностей; в репозитории указано 424,3 млн параметров. Модель принимает китайский текст длиной до 512 токенов и выдаёт вероятности двух классов: «человек» и «ИИ»; вероятность класса «ИИ» используется как оценка уверенности в генерации текста ИИ.

Модель предназначена для проверки китайских абзацев, в том числе академических текстов. В README приведены результаты тестирования: F1 95,1%, обнаружение LLM-текстов — 96,5%, а доля ошибочной классификации человеческих PDF-текстов как созданных ИИ — 0,8%. Эти показатели относятся к указанным в карточке данным и сценариям. Лицензия — MIT.

Сценарии применения

  • проверка китайских академических абзацев на генерацию ИИ
  • оценка вероятности того, что китайский текст создан языковой моделью
  • фильтрация потенциально сгенерированных ИИ китайских текстов

Ограничения

Модель ограничена китайским текстом и входом длиной до 512 токенов. Приведённые метрики получены на указанных в README данных и не гарантируют такую же точность на других источниках, жанрах или новых моделях генерации.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
IV.5Отраслевые задачиОбразование и развитие навыковAI помогает персонализировать обучение и снижать административную нагрузку на преподавателей.34 задачи6 641модельI.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделейI.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

paperpass-v3

中文 AIGC 检测模型，基于 hfl/chinese-roberta-wwm-ext-large 微调，用于判断中文段落是否由 AI 生成。

模型简介

  • 任务：二分类（Human=0 / AI=1）
  • 基座：hfl/chinese-roberta-wwm-ext-large（330M 参数）
  • 输入：中文段落，最长 512 token
  • 输出：softmax 概率，class 1（AI）的概率即为 AIGC 置信度

训练数据

来源数量标签
PDF 学术论文提取（PyMuPDF）61,039 段Human
PaperPass 人类段落（score=0）3,843 段Human
PaperPass 疑似 AI（score≥50）3,343 段AI
LLM 生成（DeepSeek/GLM/Qwen/KIMI 等 8 个模型）27,317 段AI

训练集共 74,788 条，验证集 8,821 条，测试集 4,310 条。

训练结果

EpochAccuracyPrecisionRecallF1
193.7%87.9%95.0%91.3%
295.4%95.7%90.7%93.1%
3（最佳）96.5%94.0%96.2%95.1%

回测结果

来源指标结果
PDF 人类文档误判率（Human→AI）0.8%
LLM 生成 AI检出率96.5%
PaperPass 强AI（score≥70）检出率87.5%

使用方法

from transformers import AutoTokenizer, AutoModelForSequenceClassification
import torch

tokenizer = AutoTokenizer.from_pretrained("yibo365/paperpass-v3")
model = AutoModelForSequenceClassification.from_pretrained("yibo365/paperpass-v3")
model.eval()

text = "你要检测的段落文本..."
inputs = tokenizer(text, return_tensors="pt", max_length=512, truncation=True)
with torch.no_grad():
    logits = model(**inputs).logits
prob_ai = torch.softmax(logits, dim=-1)[0][1].item()
print(f"AI 概率: {prob_ai:.4f}")

分级参考

AI 概率等级
≥ 0.70high（高度疑似 AI）
0.40 - 0.70medium（疑似 AI）
0.20 - 0.40low（轻度疑似）
< 0.20human（大概率人类）

版本历史

  • v1（yibo365/papercheck-v1）：PaperPass 蒸馏回归模型，MAE=18.7pp，效果不达标
  • v2：PaperPass 蒸馏二分类，F1=94.5%，但训练/推理切分不一致导致线上误判率 95%
  • v3（本模型）：统一训练-推理文本处理管道，清除 PDF PUA 噪声，扩充 LLM 生成数据，F1=95.1%，线上误判率降至 0.8%

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
f042809

0 моделей

    Создать бенчмарк