Fugu-MT 論文翻訳(概要): GenAI Content Detection Task 1: English and Multilingual Machine-Generated Text Detection: AI vs. Human

論文の概要: GenAI Content Detection Task 1: English and Multilingual Machine-Generated Text Detection: AI vs. Human

arxiv url: http://arxiv.org/abs/2501.11012v2
Date: Sat, 22 Feb 2025 12:49:12 GMT
ステータス: 翻訳完了
システム内更新日: 2025-02-25 18:15:43.915606
Title: GenAI Content Detection Task 1: English and Multilingual Machine-Generated Text Detection: AI vs. Human
Title（参考訳）: GenAIコンテンツ検出タスク1:英語と多言語機械生成テキスト検出:AI対人間
Abstract要約: 我々は,Coling 2025におけるGenAIワークショップの一環として,バイナリマシン生成テキスト検出における共有タスクを提案する。このタスクは、モノリンガル(英: Monolingual)とマルチリンガル(英: Multilingual)の2つのサブタスクから構成される。本稿では,データの包括的概要,結果の概要,参加システムの詳細な説明,提出内容の詳細な分析について述べる。
参考スコア（独自算出の注目度）: 71.42669028683741
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We present the GenAI Content Detection Task~1 -- a shared task on binary machine generated text detection, conducted as a part of the GenAI workshop at COLING 2025. The task consists of two subtasks: Monolingual (English) and Multilingual. The shared task attracted many participants: 36 teams made official submissions to the Monolingual subtask during the test phase and 26 teams -- to the Multilingual. We provide a comprehensive overview of the data, a summary of the results -- including system rankings and performance scores -- detailed descriptions of the participating systems, and an in-depth analysis of submissions. https://github.com/mbzuai-nlp/COLING-2025-Workshop-on-MGT-Detection-Task1
Abstract（参考訳）: 我々は、Coling 2025のGenAIワークショップの一環として実施されたバイナリマシン生成テキスト検出の共有タスクであるGenAIコンテンツ検出タスク~1を紹介します。タスクは、モノリンガル(英語)とマルチリンガルの2つのサブタスクで構成されています。共有タスクには、テストフェーズ中に36チームがモノリンガルサブタスクに公式提出し、26チームがマルチリンガルに応募しました。本稿では,データの総合的な概要,システムランキングとパフォーマンススコアを含む結果の概要,参加システムの詳細な説明,提出内容の詳細な分析について述べる。 https://github.com/mbzuai-nlp/COING-2025-Workshop-on-MGT-Detection-Task1

関連論文リスト

M-DAIGT: A Shared Task on Multi-Domain Detection of AI-Generated Text [3.91352287996586]
本稿では,M-DAIGT(Multi-Domain Detection of AI-Generated Text)共有タスクを提案する。 M-DAIGTは、ニュース記事検出(NAD)とアカデミック記述検出(AWD)の2つのバイナリ分類サブタスクからなる。合計46のチームが共有タスクに登録され、4つのチームが最終結果を提出した。
論文参考訳（メタデータ） (2025-11-14T14:26:31Z)
SemEval-2025 Task 11: Bridging the Gap in Text-Based Emotion Detection [76.18321723846616]
タスクは7つの異なる言語ファミリーから30以上の言語をカバーしている。データインスタンスは6つの感情クラスでマルチラベルされており、感情の強さに注釈を付けた11言語にデータセットが追加されている。参加者は, (a) マルチラベル感情検出, (b) 感情強度スコア検出, (c) 言語間感情検出の3つのトラックでラベルの予測を依頼された。
論文参考訳（メタデータ） (2025-03-10T12:49:31Z)
GenAI Content Detection Task 3: Cross-Domain Machine-Generated Text Detection Challenge [71.69373986176839]
モデルが巨大な、固定された、多数のドメインとLLMから生成されたテキストを検出できるかどうかを問う。 3ヶ月の間に、23の検出器を提出した9つのチームによって、我々のタスクが試みられた。その結果, RAID から生成したテキストに対して, 5% の偽陽性率を維持しながら, 精度が 99% を超えることが判明した。
論文参考訳（メタデータ） (2025-01-15T16:21:09Z)
GenAI Content Detection Task 2: AI vs. Human -- Academic Essay Authenticity Challenge [12.076440946525434]
学術エッセイ認証チャレンジ(Academic Essay Authenticity Challenge)は、2025年にコリングと共同で行われたGenAIコンテンツ検出共有タスクの一部として開催された。この課題は、学術的な目的のために、機械生成対人間によるエッセイを検出することに焦点を当てている。英語とアラビア語の2つの言語がある。本稿では,タスクの定式化の概要,データセット構築プロセスの詳細,評価フレームワークについて説明する。
論文参考訳（メタデータ） (2024-12-24T08:33:44Z)
SemEval-2024 Task 8: Multidomain, Multimodel and Multilingual Machine-Generated Text Detection [68.858931667807]
Subtask Aは、テキストが人間によって書かれたか、機械によって生成されたかを決定するバイナリ分類タスクである。サブタスクBは、テキストの正確なソースを検出し、それが人間によって書かれたか、特定のLCMによって生成されたかを認識する。 Subtask Cは、著者が人間から機械へ遷移するテキスト内の変化点を特定することを目的としている。
論文参考訳（メタデータ） (2024-04-22T13:56:07Z)
Wav2Gloss: Generating Interlinear Glossed Text from Speech [78.64412090339044]
音声から4つの言語アノテーションを自動抽出するタスクであるWav2Glossを提案する。音声からのインターリニア・グロッシド・テキスト・ジェネレーションの今後の研究の基盤となる基盤となるものについて述べる。
論文参考訳（メタデータ） (2024-03-19T21:45:29Z)
ArAIEval Shared Task: Persuasion Techniques and Disinformation Detection in Arabic Text [41.3267575540348]
本稿では, EMNLP 2023と共同で開催される第1回アラビア2023会議の一環として組織されたArAIEval共有タスクの概要を紹介する。 ArAIEvalは、アラビア文字上の2つのタスクを提供する: (i) 説得テクニックの検出、ツイートやニュース記事における説得テクニックの識別、および (ii) ツイート上のバイナリとマルチクラスの設定における偽情報検出。最終評価フェーズには合計20チームが参加し、タスク1と2には14チームと16チームが参加した。
論文参考訳（メタデータ） (2023-11-06T15:21:19Z)
Findings of the The RuATD Shared Task 2022 on Artificial Text Detection in Russian [6.9244605050142995]
2022年に行われた対話評価イニシアチブの一環として組織されたロシア語における人工テキスト検出の共有タスクについて紹介する。このデータセットには14のテキストジェネレータ、すなわち1人の人間ライターと13のテキスト生成モデルからのテキストが含まれている。人書きのテキストは、複数のドメインにわたる公開リソースから収集される。
論文参考訳（メタデータ） (2022-06-03T14:12:33Z)
Bridging Cross-Lingual Gaps During Leveraging the Multilingual Sequence-to-Sequence Pretraining for Text Generation [80.16548523140025]
プレトレインとファインチューンの間のギャップを埋めるために、コードスイッチングの復元タスクを追加して、バニラプレトレイン-ファインチューンパイプラインを拡張します。提案手法は,言語間文表現距離を狭くし,簡単な計算コストで低周波語翻訳を改善する。
論文参考訳（メタデータ） (2022-04-16T16:08:38Z)
Handshakes AI Research at CASE 2021 Task 1: Exploring different approaches for multilingual tasks [0.22940141855172036]
ケース2021共有タスク1の目的は,多言語環境下での社会・政治・危機事象情報の検出と分類である。提案書にはすべてのサブタスクのエントリが含まれており,得られたスコアが調査結果の妥当性を検証した。
論文参考訳（メタデータ） (2021-10-29T07:58:49Z)
Kungfupanda at SemEval-2020 Task 12: BERT-Based Multi-Task Learning for Offensive Language Detection [55.445023584632175]
我々は,マルチタスク学習とBERTモデルを組み合わせた攻撃的言語検出システムを構築した。我々のモデルは、英語のサブタスクAで91.51%のF1スコアを獲得し、これは第1位に匹敵する。
論文参考訳（メタデータ） (2020-04-28T11:27:24Z)

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。