論文の概要: Multi-head Span-based Detector for AI-generated Fragments in Scientific Papers
- arxiv url: http://arxiv.org/abs/2411.07343v1
- Date: Mon, 11 Nov 2024 20:05:22 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-11-13 13:17:22.672197
- Title: Multi-head Span-based Detector for AI-generated Fragments in Scientific Papers
- Title（参考訳）: 科学論文におけるAI生成フラグメントのマルチヘッドスパン検出装置
- Authors: German Gritsai, Ildar Khabutdinov, Andrey Grabovoy,
- Abstract要約: 本稿では,AIと人文科学の抜粋を区別するシステムについて述べる。
この競争では、科学領域の文書に人工的に生成されたトークンレベルのテキストフラグメントを見つけることが課題である。
- 参考スコア（独自算出の注目度）: 0.0
- License:
- Abstract: This paper describes a system designed to distinguish between AI-generated and human-written scientific excerpts in the DAGPap24 competition hosted within the Fourth Workshop on Scientific Document Processing. In this competition the task is to find artificially generated token-level text fragments in documents of a scientific domain. Our work focuses on the use of a multi-task learning architecture with two heads. The application of this approach is justified by the specificity of the task, where class spans are continuous over several hundred characters. We considered different encoder variations to obtain a state vector for each token in the sequence, as well as a variation in splitting fragments into tokens to further feed into the input of a transform-based encoder. This approach allows us to achieve a 9% quality improvement relative to the baseline solution score on the development set (from 0.86 to 0.95) using the average macro F1-score, as well as a score of 0.96 on a closed test part of the dataset from the competition.
- Abstract（参考訳）: 本稿では,第4回学術文書処理ワークショップで開催されているDAGPap24コンペティションにおいて,AI生成と人文科学的抜粋の区別を目的としたシステムについて述べる。
この競争では、科学領域の文書に人工的に生成されたトークンレベルのテキストフラグメントを見つけることが課題である。
我々の研究は、2つの頭を持つマルチタスク学習アーキテクチャの使用に焦点を当てている。
このアプローチの適用は、クラスが数百文字以上連続しているタスクの特異性によって正当化される。
そこで我々は,各トークンの状態ベクトルを得るために,異なるエンコーダのバリエーションを検討するとともに,フラグメントをトークンに分割することで,トランスフォーメーションベースのエンコーダの入力にさらなるフィードバックを与える方法を検討した。
提案手法は, 平均マクロF1スコアを用いて, 開発セットのベースラインソリューションスコア(0.86から0.95)に対して, 9%の品質向上を実現し, コンペからのデータセットのクローズドテスト部分のスコア0.96を達成できる。
関連論文リスト
- GatedLexiconNet: A Comprehensive End-to-End Handwritten Paragraph Text Recognition System [3.9527064697847005]
内部線分割と畳み込み層に基づくエンコーダを組み込んだエンドツーエンドの段落認識システムを提案する。
本研究は、IAMでは2.27%、RIMESでは0.9%、READ-16では2.13%、READ-2016データセットでは5.73%の文字誤り率を報告した。
論文 参考訳（メタデータ） (2024-04-22T10:19:16Z) - LOCR: Location-Guided Transformer for Optical Character Recognition [55.195165959662795]
自動回帰中にトランスフォーマーアーキテクチャに位置案内を組み込むモデルであるLOCRを提案する。
125Kの学術文書ページから777万以上のテキスト配置ペアからなるデータセット上でモデルをトレーニングする。
これは、編集距離、BLEU、METEOR、F測定によって測定されたarXivから構築されたテストセットの既存のメソッドよりも優れています。
論文 参考訳（メタデータ） (2024-03-04T15:34:12Z) - Object Segmentation by Mining Cross-Modal Semantics [68.88086621181628]
マルチモーダル特徴の融合と復号を導くために,クロスモーダル・セマンティックスをマイニングする手法を提案する。
具体的には,(1)全周減衰核融合(AF),(2)粗大デコーダ(CFD),(3)多層自己超越からなる新しいネットワークXMSNetを提案する。
論文 参考訳（メタデータ） (2023-05-17T14:30:11Z) - Tuning Traditional Language Processing Approaches for Pashto Text
Classification [0.0]
本研究の目的は,Pashto自動テキスト分類システムの構築である。
本研究は、統計的およびニューラルネットワーク機械学習技術の両方を含む複数のモデルを比較する。
本研究では,分類アルゴリズムとTFIDF特徴抽出法を用いて,平均試験精度94%を得た。
論文 参考訳（メタデータ） (2023-05-04T22:57:45Z) - Detecting Handwritten Mathematical Terms with Sensor Based Data [71.84852429039881]
本稿では,手書きの数学的用語を自動分類する,スタビロによるUbiComp 2021チャレンジの解を提案する。
入力データセットには異なるライターのデータが含まれており、ラベル文字列は合計15の異なる文字から構成されている。
論文 参考訳（メタデータ） (2021-09-12T19:33:34Z) - Cross-domain Speech Recognition with Unsupervised Character-level
Distribution Matching [60.8427677151492]
2つの領域における各文字間の微粒化適応を行うための文字レベルの分布マッチング手法であるCMatchを提案する。
Libri-Adaptデータセットを用いた実験の結果,提案手法はクロスデバイスとクロス環境の両方で14.39%,16.50%の単語誤り率(WER)を低減できることがわかった。
論文 参考訳（メタデータ） (2021-04-15T14:36:54Z) - Deep ensembles based on Stochastic Activation Selection for Polyp
Segmentation [82.61182037130406]
本研究は,大腸内視鏡検査における画像分割,特に正確なポリープ検出とセグメンテーションを扱う。
イメージセグメンテーションの基本アーキテクチャはエンコーダとデコーダで構成されている。
我々はデコーダのバックボーンを変更することで得られるDeepLabアーキテクチャのバリエーションを比較した。
論文 参考訳（メタデータ） (2021-04-02T02:07:37Z) - Text Recognition in Real Scenarios with a Few Labeled Samples [55.07859517380136]
Scene Text Recognition (STR) はコンピュータビジョン分野におけるホットな研究テーマである。
本稿では,数ショットの逆数列領域適応 (FASDA) を用いて構築シーケンスを適応する手法を提案する。
我々のアプローチは、ソースドメインとターゲットドメインの間の文字レベルの混乱を最大化することができる。
論文 参考訳（メタデータ） (2020-06-22T13:03:01Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。