/ Модель

Характеристики

Контекст
514 токенов
Параметры
152 млн
Лицензия
Apache 2.0
Архитектура
roberta · dense
Опубликована
26 дек 2023

AIGC_detector_env1

Классификация текстаТекст → label3 профессии

Англоязычный классификатор RoBERTa для определения текстов, созданных ИИ.

70скачиваний за 30 дней6лайковвеса обновлены28 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

AIGC Detector (MPU), версия Env1, — классификатор текста, разработанный Юйчуанем Тянем и соавторами для работы «Multiscale Positive-Unlabeled Detection of AI-Generated Texts». Модель определяет, был ли текст сгенерирован искусственным интеллектом; версия Env1 обучена на англоязычном наборе HC3-English с применением метода Multiscale Positive-Unlabeled на базе предварительно обученной RoBERTa-Base.

Это модель RoBERTa для классификации последовательностей с 151,8 млн параметров и контекстом до 514 токенов. Она принимает текст и выдаёт классификационные метки. Репозиторий содержит веса PyTorch; модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • проверка текста на генерацию искусственным интеллектом
  • классификация англоязычных ответов как созданных человеком или ИИ
  • анализ текстов для исследований по обнаружению машинной генерации

Ограничения

Обучена на HC3-English, поэтому качество на других языках и жанрах текста не подтверждено. Ограничение контекста — 514 токенов.

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

AIGC Detector (MPU)

[arXiv] [Codes (Model Links, Other Detector Versions)]

The AIGC Detector (MPU) in our paper "Multiscale Positive-Unlabeled Detection of AI-Generated Texts".

Paper Link: https://arxiv.org/pdf/2305.18149.pdf

BibTex formatted citation:

@misc{tian2023multiscale,
      title={Multiscale Positive-Unlabeled Detection of AI-Generated Texts}, 
      author={Yuchuan Tian and Hanting Chen and Xutao Wang and Zheyuan Bai and Qinghua Zhang and Ruifeng Li and Chao Xu and Yunhe Wang},
      year={2023},
      eprint={2305.18149},
      archivePrefix={arXiv},
      primaryClass={cs.CL}
}

Version: En_v1

En_v1: This model is trained on HC3-English from a pretrained RoBERTa-Base. The proposed MPU method is applied according to the standard setting in the paper.

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
275301a

0 моделей