論文の概要: Characterizing Human-Likeness in AI Generated Poetry: A Zero-shot Classification Study
- arxiv url: http://arxiv.org/abs/2607.26221v1
- Date: Tue, 28 Jul 2026 19:52:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-30 21:06:25.461777
- Title: Characterizing Human-Likeness in AI Generated Poetry: A Zero-shot Classification Study
- Title（参考訳）: ゼロショット分類によるAI生成詩の人間的類似性の特徴付け
- Abstract要約: この研究は、人文詩とAI詩の両方の分類と誤分類に寄与する英詩のアーキテクチャーを推論することを目的としている。
本稿では,人文詩とAI詩の両方からなるデータセットを用いたゼロショット検出パイプラインを提案し,人文詩とAI詩の区別可能性を検証する。
- 参考スコア（独自算出の注目度）: 0.3127125540508939
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: With the advancement of AI technologies, Generative AI (GenAI) and human written text have become nearly indistinguishable. Additionally, the global standardization of AI chatbots made academic malpractice more frequent. Furthermore, existing research indicates GenAI poems are the most difficult to distinguish even without any modification thus, GenAI poems are naturally deemed human-like by modern detectors. However, the objectivity of such dissertations needs to be verified against modern detection tools but the subjectivity of poetry and the black-box nature of the modern LLMs (Large Language Models) architectures made verification of such work quite complicated. Hence, the main objective of the research is to deduce the attributes of English poetry that contribute classification and misclassification of both human and AI poems and provide corroborating or contradicting evidence to the poetry distinguishability claim. For such characterizations, we propose a Zero-shot detection pipeline with a dataset consisting of both human and AI poems to verify the distinguishability of human and AI creation and extract the aforementioned crucial attributes for accurate classification. Extraction of such attributes provides benefits in two ways: firstly, it reduces the margin of training needed as only the poems based on misclassifying attributes need to be trained and fine tuned and finally provides a critical insight to the GenAI detection dilemma to strengthen the modern detection pipelines.
- Abstract（参考訳）: AI技術の進歩に伴い、ジェネレーティブAI(GenAI)と人文テキストはほぼ区別できないものになっている。
さらに、AIチャットボットのグローバルな標準化により、学術的不正行為がより頻繁になった。
また、現存する研究によると、原内詩は変更することなくも区別するのが最も困難であることが示されており、現代検知器によって自然に人間に似たものと見なされている。
しかし、そのような論文の客観性は、現代の検出ツールに対して検証する必要があるが、詩の主観性と現代のLLM(Large Language Models)アーキテクチャのブラックボックスの性質は、その検証を非常に複雑にしている。
したがって、本研究の主な目的は、人文詩とAI詩の両方の分類と誤分類に寄与する英詩の特質を推論し、詩の識別可能性主張に相関的または矛盾する証拠を提供することである。
このような特徴付けのために,人間とAIの両方の詩からなるデータセットを用いたゼロショット検出パイプラインを提案し,人間の生成とAI生成の識別性を検証し,上記の重要な属性を抽出して正確な分類を行う。
まず、誤分類属性に基づいた詩のみをトレーニングし、微調整する必要があるため、トレーニングのマージンを減らし、最終的に、現代の検出パイプラインを強化するためにGenAI検出ジレンマに対する重要な洞察を提供する。
関連論文リスト
- 'Your AI Text is not Mine': Redefining and Evaluating AI-generated Text Detection under Realistic Assumptions [50.1119556361129]
我々は,AI生成テキストのさまざまな概念とその特徴を体系的に定義する。
AITDNAは人間と機械が共同で構築したテキストの新しいベンチマークである。
我々は、様々な機械生成テキスト検出器をベンチマークし、それらが特定の概念に対してのみうまく機能するが、広義の検出器として機能しないことが多いことを発見した。
論文 参考訳（メタデータ） (2026-06-03T14:05:14Z) - The Cost of Perfect English: Pragmatic Flattening and the Erasure of Authorial Voice in L2 Writing Supported by GenAI [1.8115445236898322]
我々は、文化的に好まれる丁寧さと権威的スタンスを体系的に消去する「実用的平坦化」について検討する。
発見は、セマンティック保存パラドックス内のニュアンスな「次元のばらつき」を明らかにする。
我々は、多言語作家が言語強化にGenAIを使用することを許可するために、将来の指導は誤り訂正を超えて進めなければならないと論じている。
論文 参考訳（メタデータ） (2026-05-13T06:26:18Z) - Is AI Catching Up to Human Expression? Exploring Emotion, Personality, Authorship, and Linguistic Style in English and Arabic with Six Large Language Models [0.0]
私たちはJais、Mistral、LLaMA、GPT-4o、Gemini、DeepSeekの6つのモデルで2つのタスクを実行します。
機械分類器が、人間が書いたテキストとAI生成したテキストとを確実に区別できるかどうかを評価する。
これらの結果から,AI生成したテキストは,パラフレーズ標本の分類性能は低下するものの,人間によるテキストと区別可能であることが示された(F1>0.95)。
AI生成データによるトレーニングの強化は、アラビア人格分類タスクのパフォーマンスを高め、アンダーリソース言語における課題に対処する合成データの可能性を強調している。
論文 参考訳（メタデータ） (2026-03-24T14:17:02Z) - Human Texts Are Outliers: Detecting LLM-generated Texts via Out-of-distribution Detection [71.59834293521074]
我々は,人間によるテキストと機械によるテキストを区別する枠組みを開発した。
提案手法は,DeepFakeデータセット上で98.3%のAUROCとAUPRを8.9%のFPR95で達成する。
コード、事前トレーニングされたウェイト、デモがリリースされる。
論文 参考訳（メタデータ） (2025-10-07T08:14:45Z) - Benchmarking the Detection of LLMs-Generated Modern Chinese Poetry [37.86155340473244]
詩が人間に由来するかAIに由来するかを特定することは困難である。
本稿では,AIによる現代漢詩の検出のための新しいベンチマークを提案する。
論文 参考訳（メタデータ） (2025-09-01T17:01:45Z) - Tracing Thought: Using Chain-of-Thought Reasoning to Identify the LLM Behind AI-Generated Text [1.7034813545878589]
COT Fine-tunedはAI生成テキストを検出するための新しいフレームワークである。
提案手法の主な革新は,チェーン・オブ・ソート推論の利用である。
実験の結果、COTは両方のタスクで高精度に調整された。
論文 参考訳（メタデータ） (2025-04-23T17:39:49Z) - Almost AI, Almost Human: The Challenge of Detecting AI-Polished Writing [55.2480439325792]
本研究では、AI-Polished-Text Evaluationデータセットを用いて、12の最先端AIテキスト検出器を体系的に評価する。
我々の発見によると、検出器は、最小限に洗練されたテキストをAI生成としてフラグ付けし、AIの関与度を区別し、古いモデルや小さなモデルに対するバイアスを示す。
論文 参考訳（メタデータ） (2025-02-21T18:45:37Z) - Where are we in audio deepfake detection? A systematic analysis over generative and detection models [59.09338266364506]
SONARはAI-Audio Detection FrameworkとBenchmarkの合成である。
最先端のAI合成聴覚コンテンツを識別するための総合的な評価を提供する。
従来のモデルベース検出システムと基礎モデルベース検出システムの両方で、AIオーディオ検出を均一にベンチマークする最初のフレームワークである。
論文 参考訳（メタデータ） (2024-10-06T01:03:42Z) - Detecting AI-Generated Text: Factors Influencing Detectability with Current Methods [13.14749943120523]
テキストが人工知能(AI)によって作成されたかどうかを知ることは、その信頼性を決定する上で重要である。
AIGT検出に対する最先端のアプローチには、透かし、統計学的およびスタイリスティック分析、機械学習分類などがある。
AIGTテキストがどのようなシナリオで「検出可能」であるかを判断するために、結合する健全な要因についての洞察を提供することを目指している。
論文 参考訳（メタデータ） (2024-06-21T18:31:49Z) - Towards Possibilities & Impossibilities of AI-generated Text Detection:
A Survey [97.33926242130732]
大規模言語モデル(LLM)は、自然言語処理(NLP)の領域に革命をもたらし、人間のようなテキスト応答を生成する能力を持つ。
これらの進歩にもかかわらず、既存の文献のいくつかは、LLMの潜在的な誤用について深刻な懸念を提起している。
これらの懸念に対処するために、研究コミュニティのコンセンサスは、AI生成テキストを検出するアルゴリズムソリューションを開発することである。
論文 参考訳（メタデータ） (2023-10-23T18:11:32Z) - Exploration with Principles for Diverse AI Supervision [88.61687950039662]
次世代の予測を用いた大規模トランスフォーマーのトレーニングは、AIの画期的な進歩を生み出した。
この生成AIアプローチは印象的な結果をもたらしたが、人間の監督に大きく依存している。
この人間の監視への強い依存は、AIイノベーションの進歩に重大なハードルをもたらす。
本稿では,高品質なトレーニングデータを自律的に生成することを目的とした,探索型AI(EAI)という新しいパラダイムを提案する。
論文 参考訳（メタデータ） (2023-10-13T07:03:39Z)
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。