PlagiaCorpus

新的PlagiaCorpus数据集旨在检测LLM生成的抄袭

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。