論文の概要: Pangram 4 Technical Report
- arxiv url: http://arxiv.org/abs/2607.27183v1
- Date: Wed, 29 Jul 2026 17:53:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-30 21:06:25.770351
- Title: Pangram 4 Technical Report
- Title（参考訳）: パングラム4 技術報告
- Abstract要約: 我々はPangram Labsから最新のディープラーニングベースのAIテキスト分類モデルであるPangram 4を紹介する。
偽陽性率は0.0041%、偽陰性率は0.3396%である0.9916。
パングラム4は、敵攻撃に対する優れたアウト・オブ・ディストリビューション・ロバスト性と一般化を示す。
- 参考スコア（独自算出の注目度）: 9.289229161948084
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: We present Pangram 4, the latest deep-learning-based AI-text classification model from Pangram Labs. We achieve an AUROC of 0.9916 with a false positive rate of 0.0041% and a false negative rate of 0.3396%. In addition to its increased overall accuracy compared with Pangram 3, Pangram 4 exhibits superior out-of-distribution generalization and robustness to adversarial attacks. Another novel contribution of Pangram 4 is its improved ability to distinguish fine-grained edits and mixed AI-human co-authored text. We demonstrate improvements to both boundary detection tasks and the detection of interleaved AI assistance. Finally, we report metrics on standard AI detection benchmarks showing that Pangram 4 achieves state-of-the-art performance on the AI text detection task across a wide variety of settings and domains.
- Abstract（参考訳）: 我々はPangram Labsから最新のディープラーニングベースのAIテキスト分類モデルであるPangram 4を紹介する。
偽陽性率は0.0041%、偽陰性率は0.3396%である0.9916。
Pangram 3と比較して全体的な精度が向上したことに加えて、Pangram 4はより優れたアウト・オブ・ディストリビューションの一般化と敵攻撃に対する堅牢性を示す。
Pangram 4のもうひとつの新しいコントリビューションは、きめ細かい編集とAIと人間の共著者の混在を区別する能力の改善である。
境界検出タスクとインターリーブAIアシストの検出の両方の改善を実証する。
最後に、Pangram 4がAIテキスト検出タスクにおける最先端のパフォーマンスを、さまざまな設定や領域にわたって達成していることを示す標準AI検出ベンチマークのメトリクスを報告する。
関連論文リスト
- TextFake: Benchmarking AI-Generated Image Detection on Text-Rich Images [45.701818427706684]
TextFakeは、28言語にわたるテキストリッチAIGI検出のための20,000イメージのベンチマークである。
フェイクイメージは、実際の画像を3つの制御された次元に沿ってアノテートする4段階のパイプラインを介して合成される。
80%を超えるメソッドはなく、一部は自然画像のベンチマークから60%以上落ちている。
論文 参考訳（メタデータ） (2026-05-31T06:42:18Z) - Understanding vision transformer robustness through the lens of out-of-distribution detection [59.72757235382676]
量子化はメモリと推論コストを削減し、性能損失のリスクを負う。
本稿では, 量子化小型可変ビジョントランス (DeiT, DeiT3, ViT) の共通アウト・オブ・ディストリビューション (OOD) データセットにおける挙動について検討する。
論文 参考訳（メタデータ） (2026-02-01T22:00:59Z) - Group-Adaptive Threshold Optimization for Robust AI-Generated Text Detection [58.419940585826744]
本稿では,確率的AIテキスト検出のためのグループ固有しきい値最適化アルゴリズムであるFairOPTを紹介する。
属性(例えば、テキストの長さと書き込みスタイル)に基づいてデータをサブグループに分割し、FairOPTを実装して、各グループに対する決定しきい値の学習を行い、不一致を低減しました。
我々のフレームワークは、後処理によるAI生成コンテンツ検出において、より堅牢な分類の道を開く。
論文 参考訳（メタデータ） (2025-02-06T21:58:48Z) - Technical Report on the Pangram AI-Generated Text Classifier [0.14732811715354457]
トランスフォーマーをベースとしたニューラルネットワークであるPangram Textについて紹介する。
パングラムテキストは英語以外の話者に偏りがなく、訓練中に見つからないドメインやモデルに一般化されていることを示す。
論文 参考訳（メタデータ） (2024-02-21T17:13:41Z) - Toward Real Text Manipulation Detection: New Dataset and New Solution [58.557504531896704]
プロフェッショナルなテキスト操作に関連する高コストは、現実世界のデータセットの可用性を制限する。
本稿では,14,250枚のテキスト画像を含むリアルテキスト操作データセットを提案する。
我々のコントリビューションは、実世界のテキスト改ざん検出の進歩を促進することを目的としている。
論文 参考訳（メタデータ） (2023-12-12T02:10:16Z) - GPT4Vis: What Can GPT-4 Do for Zero-shot Visual Recognition? [82.40761196684524]
本稿では,ゼロショット視覚認識タスクにおけるGPT-4の言語的・視覚的能力の評価に焦点を当てる。
我々は、画像、ビデオ、点群にわたるGPT-4の性能を評価するための広範な実験を行った。
言語記述が充実したGPT-4はゼロショット認識を著しく改善した。
論文 参考訳（メタデータ） (2023-11-27T11:29:10Z) - KERMIT: Knowledge Graph Completion of Enhanced Relation Modeling with Inverse Transformation [19.31783654838732]
大規模言語モデルを用いてコヒーレントな記述を生成し,クエリと回答のセマンティックなギャップを埋める。
また、逆関係を利用して対称グラフを作成し、KGCのための強化トレーニングサンプルを提供する。
提案手法は,WN18RRではHit@1が4.2%,FB15k-237ではHit@3が3.4%向上し,優れた性能を示した。
論文 参考訳（メタデータ） (2023-09-26T09:03:25Z) - Large-Scale Text Analysis Using Generative Language Models: A Case Study
in Discovering Public Value Expressions in AI Patents [2.246222223318928]
本稿では,生成言語モデル(GPT-4)を用いて,大規模テキスト解析のためのラベルと論理式を生成する手法を提案する。
InnovationQ+に送信された高度なBooleanクエリを用いて、154,934件の特許文書からなるデータベースを収集する。
我々は、これらのAI特許文中の公開価値表現を識別し、ラベル付けするためのフレームワークを設計する。
論文 参考訳（メタデータ） (2023-05-17T17:18:26Z) - KGE-CL: Contrastive Learning of Knowledge Graph Embeddings [64.67579344758214]
本稿では,知識グラフ埋め込みのための簡易かつ効率的な学習フレームワークを提案する。
これは、関連するエンティティと異なる三重項におけるエンティティ-リレーションのカップルのセマンティック距離を短縮することができる。
WN18RRデータセットで51.2% MRR、46.8% Hits@1、59.1% MRR、51.8% Hits@1、YAGO3-10データセットで達成できる。
論文 参考訳（メタデータ） (2021-12-09T12:45:33Z) - Towards Reading Beyond Faces for Sparsity-Aware 4D Affect Recognition [55.15661254072032]
自動4次元表情認識(FER)のための空間認識深層ネットワークを提案する。
まず,深層学習のためのデータ制限問題に対処する新しい拡張手法を提案する。
次に、多視点での畳み込み特徴のスパース表現を計算するために、疎度対応のディープネットワークを提案する。
論文 参考訳（メタデータ） (2020-02-08T13:09:11Z)
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。