PulseAugur
中
实时 13:05:05
English(EN) PlagiaCorpus: A Bilingual, Adversarial, and Cross-Lingual Dataset for Forensic Plagiarism Detection

新的PlagiaCorpus数据集旨在检测LLM生成的抄袭

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员推出PlagiaCorpus，一个新推出的双语数据集，旨在检测抄袭和文本重用，包括由大型语言模型（LLMs）生成以及跨语言翻译的实例。该数据集包含超过198,000条文本记录，其中包含来自维基百科和书籍收藏的阿拉伯语和英语源文本，以及按重用难度分类的查询。该资源旨在通过提供一个全面的基准来推进法证抄袭检测，以应对各种形式的文本操纵。 AI

影响 该数据集可以提高抄袭检测工具的准确性和鲁棒性，尤其是在识别AI生成的复杂重用方面。

排序理由 该条目描述了在arXiv上发布的一个用于研究目的的新数据集。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.IR (Information Retrieval) 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的PlagiaCorpus数据集旨在检测LLM生成的抄袭

本文如何被排名

Signal score
2 / 100
Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket
Tool
该条目描述了在arXiv上发布的一个用于研究目的的新数据集。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration
Single-source cluster
Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics
paper, other
Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance
High
Clearly on-topic for AI-industry coverage.
Story freshness
1 days old
Coverage has settled into its steady-state source set.

完整方法见我们的编辑标准。

报道来源 [1]

  1. arXiv cs.IR (Information Retrieval) TIER_1 English(EN) · Wadii Boulila ·

    PlagiaCorpus: A Bilingual, Adversarial, and Cross-Lingual Dataset for Forensic Plagiarism Detection

    PlagiaCorpus is a bilingual Arabic-English dataset for benchmarking plagiarism and text-reuse detection, including reuse produced by large language models (LLMs) and reuse across languages. It contains 198,643 text records: a source corpus of 34,885 passages drawn from English an…

相关实体

相关话题