Fugu-MT 論文翻訳(概要): A Multi-Strategy Approach for AI-Generated Text Detection

論文の概要: A Multi-Strategy Approach for AI-Generated Text Detection

arxiv url: http://arxiv.org/abs/2509.00623v1
Date: Sat, 30 Aug 2025 22:37:35 GMT
ステータス: 翻訳完了
システム内更新日: 2025-09-04 15:17:03.308738
Title: A Multi-Strategy Approach for AI-Generated Text Detection
Title（参考訳）: AI生成テキスト検出のためのマルチストラテジーアプローチ
Authors: Ali Zain, Sareem Farooqui, Muhammad Rafi,
Abstract要約: 本稿では,M-DAIGT共有タスクにおいて,ニュース記事や学術論文中のAI生成コンテンツを検出するために開発された3つの異なるシステムについて述べる。 RoBERTaベースのシステムは最も優れたシステムとして登場し、開発とテストの両方でほぼ完璧な結果を得た。
参考スコア（独自算出の注目度）: 0.5735035463793009
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This paper presents presents three distinct systems developed for the M-DAIGT shared task on detecting AI generated content in news articles and academic abstracts. The systems includes: (1) A fine-tuned RoBERTa-base classifier, (2) A classical TF-IDF + Support Vector Machine (SVM) classifier , and (3) An Innovative ensemble model named Candace, leveraging probabilistic features extracted from multiple Llama-3.2 models processed by a customTransformer encoder.The RoBERTa-based system emerged as the most performant, achieving near-perfect results on both development and test sets.
Abstract（参考訳）: 本稿では,M-DAIGT共有タスクにおいて,ニュース記事や学術論文中のAI生成コンテンツを検出するために開発された3つの異なるシステムについて述べる。 2)古典的なTF-IDF + Support Vector Machine (SVM) 分類器、(3) カスタムトランスフォーマーエンコーダによって処理された複数のLlama-3.2モデルから抽出された確率的特徴を活用する革新的アンサンブルモデル。

関連論文リスト

MCP-Orchestrated Multi-Agent System for Automated Disinformation Detection [84.75972919995398]
本稿では,関係抽出を用いてニュース記事の偽情報を検出するマルチエージェントシステムを提案する。提案したエージェントAIシステムは、(i)機械学習エージェント(ロジスティック回帰)、(ii)Wikipedia知識チェックエージェント、(iv)Webスクラッドデータアナライザの4つのエージェントを組み合わせる。その結果、マルチエージェントアンサンブルはF1スコア0.964で95.3%の精度を達成し、個々のエージェントや従来のアプローチよりも大幅に優れていた。
論文参考訳（メタデータ） (2025-08-13T19:14:48Z)
SANGAM: SystemVerilog Assertion Generation via Monte Carlo Tree Self-Refine [0.5737287537823071]
本稿では,産業レベルの仕様からSVAを自動生成するためのLLM誘導モンテカルロ木探索を用いたSystemVerilog Assertion GenerationフレームワークであるSANGAMを紹介する。その結果、我々のフレームワークであるSANGAMは、より堅牢なSVAを生成できることを示した。
論文参考訳（メタデータ） (2025-06-11T06:43:24Z)
M3-AGIQA: Multimodal, Multi-Round, Multi-Aspect AI-Generated Image Quality Assessment [65.3860007085689]
M3-AGIQAは、AI生成画像のより人間らしく総合的な評価を可能にする包括的なフレームワークである。モデル出力を人間の判断とより密接に整合させることで、M3-AGIQAは堅牢で解釈可能な品質スコアを提供する。
論文参考訳（メタデータ） (2025-02-21T03:05:45Z)
Software Mention Recognition with a Three-Stage Framework Based on BERTology Models at SOMD 2024 [0.0]
本稿では,Scholarly Publications shared-taskにおけるSoftware Mention DetectionにおけるサブタスクIのシステムについて述べる。ベストパフォーマンスシステムは3段階のフレームワークを通じて名前付きエンティティ認識問題に対処する。 XLM-Rベースのモデルに基づくフレームワークは、重み付けされたF1スコア67.80%を実現し、ソフトウェアメンション認識タスクのサブタスクIの3位にチームに提供する。
論文参考訳（メタデータ） (2024-04-23T17:06:24Z)
AISPACE at SemEval-2024 task 8: A Class-balanced Soft-voting System for Detecting Multi-generator Machine-generated Text [0.0]
SemEval-2024 Task 8は、人書きテキストと機械生成テキストを検出するための課題を提供する。本稿では,主にSubtask Bを扱うシステムを提案する。これは、与えられた全文が人間によって書かれたか、あるいは、実際にはマルチクラスのテキスト分類タスクである特定のLarge Language Model (LLM)によって生成されるかを検出することを目的としている。
論文参考訳（メタデータ） (2024-04-01T06:25:47Z)
Multi-Modal Classifiers for Open-Vocabulary Object Detection [104.77331131447541]
本論文の目的は,OVOD(Open-vocabulary Object Detection)である。標準の2段階オブジェクト検出器アーキテクチャを採用する。言語記述、画像例、これら2つの組み合わせの3つの方法を探究する。
論文参考訳（メタデータ） (2023-06-08T18:31:56Z)
HKNAS: Classification of Hyperspectral Imagery Based on Hyper Kernel Neural Architecture Search [104.45426861115972]
設計したハイパーカーネルを利用して,構造パラメータを直接生成することを提案する。我々は1次元または3次元の畳み込みを伴う画素レベルの分類と画像レベルの分類を別々に行う3種類のネットワークを得る。 6つの公開データセットに関する一連の実験は、提案手法が最先端の結果を得ることを示した。
論文参考訳（メタデータ） (2023-04-23T17:27:40Z)
Neural Networks with A La Carte Selection of Activation Functions [0.0]
活性化関数(AF)は、ニューラルネットワークの成功(または失敗)に重要な要素である。多数の既知のAFをアーキテクチャの成功と組み合わせて、有益な3つの方法を提案しています。本稿では,ReLU隠れユニットとソフトマックス出力ユニットからなる標準ネットワークと比較して,25の分類問題に対して,全ての手法が有意に優れた結果をもたらすことを示す。
論文参考訳（メタデータ） (2022-06-24T09:09:39Z)
Few-Shot Named Entity Recognition: A Comprehensive Study [92.40991050806544]
マルチショット設定のモデル一般化能力を向上させるための3つの手法を検討する。ラベル付きデータの比率の異なる10の公開nerデータセットについて経験的比較を行う。マルチショットとトレーニングフリーの両方の設定で最新の結果を作成します。
論文参考訳（メタデータ） (2020-12-29T23:43:16Z)
A Two-Stage Approach to Device-Robust Acoustic Scene Classification [63.98724740606457]
デバイスロバスト性を改善するために,完全畳み込みニューラルネットワーク(CNN)に基づく2段階システムを提案する。以上の結果から,提案したASCシステムにより,開発環境における最先端の精度が得られた。クラスアクティベーションマッピングを用いたニューラルサリエンシ解析により、モデルによって学習されたパターンに関する新たな洞察が得られる。
論文参考訳（メタデータ） (2020-11-03T03:27:18Z)

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。