/ Модель

Характеристики

Контекст
512 токенов
Параметры
129 млн
Лицензия
Apache 2.0
Архитектура
bert · dense
Опубликована
26 дек 2023

AIGC_detector_zhv2

Классификация текстаТекст → label3 профессии

Китайский BERT-классификатор для определения того, создан ли текст искусственным интеллектом.

499скачиваний за 30 дней14лайковвеса 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) Zh_v2 — классификатор текста, разработанный Юйчуанем Тянем и соавторами для обнаружения текстов, созданных искусственным интеллектом. Модель представлена в рамках работы «Multiscale Positive-Unlabeled Detection of AI-Generated Texts» и предназначена для бинарной классификации текста по признаку генерации ИИ.

Версия Zh_v2 обучена методом MPU на предварительно обученной китайской модели Chinese-RoBERTa-wwm-ext; авторы отмечают, что стандартные настройки обучения из статьи не использовались. Модель основана на BERT, содержит 129,5 млн параметров и принимает последовательности длиной до 512 токенов. Она рассчитана на китайские тексты и, по данным карточки, показывает сопоставимую производительность с закрытыми детекторами китайского текста на разных предметных областях.

Модель распространяется в формате PyTorch по лицензии Apache-2.0. Карточка не приводит подробностей о тестовых наборах и метриках, поэтому результаты на конкретных источниках текста следует проверять отдельно.

Сценарии применения

  • проверка китайского текста на генерацию ИИ
  • фильтрация машинно-сгенерированных материалов
  • анализ происхождения текстов в пользовательском контенте

Ограничения

Модель обучалась с настройками, отличающимися от стандартного режима, описанного в статье; карточка не приводит метрик и подробностей оценки. Она предназначена для китайского текста, а качество на других языках не подтверждено.

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: Zh_v2

Zh_v2: This model is trained with MPU from a pretrained Chinese-RoBERTa-wwm-ext, but the standard training setting in the paper is not followed. This model demonstrates comparable performance to SOTA closed-source Chinese detectors on various domains.

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
547d42d

0 моделей