Fugu-MT 論文翻訳(概要): Delving into: the quantification of Ai-generated content on the internet (synthetic data)

論文の概要: Delving into: the quantification of Ai-generated content on the internet (synthetic data)

arxiv url: http://arxiv.org/abs/2504.08755v1
Date: Sat, 29 Mar 2025 03:06:53 GMT
ステータス: 翻訳完了
システム内更新日: 2025-04-20 06:04:29.617669
Title: Delving into: the quantification of Ai-generated content on the internet (synthetic data)
Title（参考訳）: インターネット上でのAi生成コンテンツの定量化(合成データ)
Authors: Dirk HR Spennemann,
Abstract要約: アクティブなWebページ上のテキストの少なくとも30%はAIが生成したソースから来ている。自食性ループがもたらす影響を考えると、これはすさまじい実現である。
参考スコア（独自算出の注目度）: 0.0
License:
Abstract: While it is increasingly evident that the internet is becoming saturated with content created by generated Ai large language models, accurately measuring the scale of this phenomenon has proven challenging. By analyzing the frequency of specific keywords commonly used by ChatGPT, this paper demonstrates that such linguistic markers can effectively be used to esti-mate the presence of generative AI content online. The findings suggest that at least 30% of text on active web pages originates from AI-generated sources, with the actual proportion likely ap-proaching 40%. Given the implications of autophagous loops, this is a sobering realization.
Abstract（参考訳）: 生成したAi大言語モデルによるコンテンツがインターネットに飽和していることはますます明らかになっているが、この現象の規模を正確に測定することは困難であることが証明されている。本稿では,ChatGPTでよく使われる特定のキーワードの頻度を解析することにより,このような言語マーカーを効果的に活用し,生成するAIコンテンツの存在をオンラインで推定できることを実証する。この結果は、アクティブなWebページ上のテキストの少なくとも30%はAIが生成したソースから来ていることを示唆している。自食性ループがもたらす影響を考えると、これはすさまじい実現である。

関連論文リスト

The Rise of AI-Generated Content in Wikipedia [1.3654846342364308]
私たちは、プロプライエタリなAI検出ツールであるGPTZeroと、オープンソースの代替手段であるBinocularsを使って、最近作成されたWikipediaページでAI生成コンテンツの存在を低く設定しています。しきい値はGPT-3.5以前の記事に対して1%の偽陽性率を達成するために調整されており、新たに作成されたウィキペディア記事の5%以上をAI生成としてフラグ付けしている。フラッグ付きのウィキペディア記事は、典型的には品質が低く、しばしば自己宣伝的または特定の視点に向けて部分的である。
論文参考訳（メタデータ） (2024-10-10T15:36:10Z)
EWEK-QA: Enhanced Web and Efficient Knowledge Graph Retrieval for Citation-based Question Answering Systems [103.91826112815384]
引用ベースのQAシステムは2つの欠点に悩まされている。彼らは通常、抽出された知識の源としてWebにのみ依存し、外部の知識ソースを追加することで、システムの効率を損なう。システムに供給された知識の内容を充実させるため,Web と効率的な知識グラフ (KG) 検索ソリューション (EWEK-QA) を提案する。
論文参考訳（メタデータ） (2024-06-14T19:40:38Z)
MUGC: Machine Generated versus User Generated Content Detection [1.6602942962521352]
従来の手法は, 機械生成データの同定において高い精度を示す。機械生成テキストは短く、人間生成コンテンツに比べて単語の多様性が低い傾向にある。可読性、バイアス、モラル、影響の比較は、機械生成コンテンツと人間生成コンテンツの間に明確なコントラストを示す。
論文参考訳（メタデータ） (2024-03-28T07:33:53Z)
Deep Learning Detection Method for Large Language Models-Generated Scientific Content [0.0]
大規模言語モデルは、人間が書いたものと区別できない科学的内容を生成する。本稿では,ChatGPTを用いた科学テキスト検出手法であるAI-Catcherを提案する。 AI-Catcherの精度は平均37.4%向上した。
論文参考訳（メタデータ） (2024-02-27T19:16:39Z)
AI Content Self-Detection for Transformer-based Large Language Models [0.0]
本稿では、直接起点検出の概念を導入し、生成型AIシステムが出力を認識し、人文テキストと区別できるかどうかを評価する。 GoogleのBardモデルは、精度94%の自己検出の最大の能力を示し、OpenAIのChatGPTは83%である。
論文参考訳（メタデータ） (2023-12-28T10:08:57Z)
Into the LAIONs Den: Investigating Hate in Multimodal Datasets [67.21783778038645]
本稿では、LAION-400MとLAION-2Bの2つのデータセットの比較監査を通して、ヘイトフルコンテンツに対するデータセットのスケーリングの効果について検討する。その結果、データセットのスケールによってヘイトコンテンツは12%近く増加し、質的にも定量的にも測定された。また、画像のみに基づいて算出されたNot Safe For Work(NSFW)値に基づくデータセットの内容のフィルタリングは、アルトテキストにおける有害なコンテンツをすべて排除するものではないことがわかった。
論文参考訳（メタデータ） (2023-11-06T19:00:05Z)
The Curse of Recursion: Training on Generated Data Makes Models Forget [70.02793975243212]
大規模言語モデル(LLM)が存続し、オンラインテキストと画像のエコシステム全体に劇的な変化をもたらすだろう。トレーニングにおけるモデル生成コンテンツの使用は、元のコンテンツ分布の尾部が消える結果のモデルに不可逆的な欠陥を引き起こす。
論文参考訳（メタデータ） (2023-05-27T15:10:41Z)
On the Possibilities of AI-Generated Text Detection [76.55825911221434]
機械が生成するテキストが人間に近い品質を近似するにつれて、検出に必要なサンプルサイズが増大すると主張している。 GPT-2, GPT-3.5-Turbo, Llama, Llama-2-13B-Chat-HF, Llama-2-70B-Chat-HFなどの最先端テキストジェネレータをoBERTa-Large/Base-Detector, GPTZeroなどの検出器に対して試験した。
論文参考訳（メタデータ） (2023-04-10T17:47:39Z)
Paraphrasing evades detectors of AI-generated text, but retrieval is an effective defense [56.077252790310176]
本稿では,パラフレーズ生成モデル(DIPPER)を提案する。 DIPPERを使って3つの大きな言語モデル(GPT3.5-davinci-003)で生成されたテキストを言い換えると、透かしを含むいくつかの検出器を回避できた。我々は,言語モデルAPIプロバイダによって維持されなければならない,意味論的に類似した世代を検索するシンプルなディフェンスを導入する。
論文参考訳（メタデータ） (2023-03-23T16:29:27Z)
Is This Abstract Generated by AI? A Research for the Gap between AI-generated Scientific Text and Human-written Scientific Text [13.438933219811188]
本稿では,AIが生み出す科学内容と人間による文章とのギャップについて検討する。我々は、AI生成科学テキストと人文科学テキストの間に、文章スタイルのギャップがあることを発見した。
論文参考訳（メタデータ） (2023-01-24T04:23:20Z)
Deep Graph Learning for Anomalous Citation Detection [55.81334139806342]
本稿では,新たな深層グラフ学習モデルであるGLAD(Graph Learning for Anomaly Detection)を提案する。 GLADフレームワーク内ではCPU(Citation PUrpose)と呼ばれるアルゴリズムが提案され,引用テキストに基づく引用の目的が明らかになった。
論文参考訳（メタデータ） (2022-02-23T09:05:28Z)

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。