論文の概要: VietAIDetector: An Open-Source Zero-Shot Detector for Vietnamese AI-Generated Text

• arxiv url: http://arxiv.org/abs/2608.25478v1
• Date: Wed, 26 Aug 2026 07:48:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-27 14:15:15.650485
• Title: VietAIDetector: An Open-Source Zero-Shot Detector for Vietnamese AI-Generated Text
• Title（参考訳）: VietAIDetector:ベトナムのAI生成テキストのためのオープンソースのゼロショット検出器
• Abstract要約: ベトナムのAI生成テキストの検出に特化して設計されたオープンソースのツールであるVietAIDetectorを紹介する。 ベトナム語のテキストから一般的なテキストファイルフォーマットまでの入力で、ユーザーはGradioのWebインターフェースを介して対話できる。 ツールの中核となるコンポーネントは、Zero-Shotアプローチを使用して、ドメイン固有のトレーニングデータを必要としないAI生成テキストを検出する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: In recent years, distinguishing between AI-generated text and human-written text has remained a challenge. In this paper, we introduce VietAIDetector, an open-source tool designed specifically for detecting Vietnamese AI-generated text. It allows users to interact through a Gradio web interface with inputs ranging from raw Vietnamese text to common text file formats, including scanned documents and exceptionally long texts that exceed the context size of the employed Large Language Models (LLMs). The core component of the tool employs a Zero-Shot approach to detect AI-generated text without requiring domain-specific training data, building upon the previous VietBinoculars and Binoculars research. The tool is built upon a Vietnamese-specific language model and has been evaluated on out-of-domain datasets, demonstrating superior performance compared to existing methods primarily developed for English. Additionally, users can select optimal detection thresholds based on F1 score, accuracy, or TPR@0.05FPR requirements. The results are presented through the web interface, allowing users to easily review and verify suspicious texts or download them as a PDF report. The tool is publicly available at https://github.com/trieuntu/VietAIDetector
• Abstract（参考訳）: 近年,AI生成テキストと人文テキストの区別は依然として課題となっている。 本稿では,ベトナムのAI生成テキストの検出に特化して設計されたオープンソースのツールであるVietAIDetectorを紹介する。 ユーザーは、生のベトナム語テキストから一般的なテキストファイルフォーマットまで、スキャンされた文書やLLM(Large Language Models)のコンテキストサイズを超える非常に長いテキストなど、GradioのWebインターフェースを介して対話することができる。 ツールの中核となるコンポーネントは、Zero-Shotアプローチを使用して、ドメイン固有のトレーニングデータを必要としない、AI生成テキストを検出する。 このツールはベトナム固有の言語モデルに基づいており、ドメイン外のデータセットで評価されており、主に英語で開発された既存の手法と比較して優れたパフォーマンスを示している。 さらに、F1スコア、精度、あるいはTPR@0.05FPR要件に基づいて、最適な検出しきい値を選択することもできる。 結果はWebインターフェースを通じて表示され、ユーザーが不審なテキストをレビューして検証したり、PDFレポートとしてダウンロードしたりすることができる。 このツールはhttps://github.com/trieuntu/VietAIDetectorで公開されている。

関連論文リスト

• Base Models Look Human To AI Detectors [68.7723287560362]
  ベースモデルから生成されたテキストは圧倒的に人間的であると判断されることが多いが、命令で調整されたテキストはそうではない。 提案するHumanization by Iterative Paraphrasing (HIP)は,ベースモデルをパラフラザーに最小限微調整し,反復的に適用する検出器非依存パイプラインである。 以上の結果から,現在の検出器は,機械生成テキストの概念よりも,命令チューニングやローカルコンテキストのアーティファクトを追跡していることが示唆された。
  論文  参考訳（メタデータ） (2026-05-19T08:13:12Z)
• AuthorMist: Evading AI Text Detectors with Reinforcement Learning [4.806579822134391]
  AuthorMistは、AI生成したテキストを人間ライクな文章に変換する、新しい強化学習ベースのシステムだ。 AuthorMistは,本来の意味を保ちながら,AI生成テキストの検出性を効果的に低減することを示す。
  論文  参考訳（メタデータ） (2025-03-10T12:41:05Z)
• Discourse Features Enhance Detection of Document-Level Machine-Generated Content [53.41994768824785]
  機械生成コンテンツは、学術プラジャリズムや誤報の拡散といった課題を提起する。 既存のMGC検出器は、しばしば表面レベルの情報のみに焦点を当て、暗黙的かつ構造的な特徴を見渡す。 これらの課題を克服するために、新しい方法論とデータセットを導入します。
  論文  参考訳（メタデータ） (2024-12-17T08:47:41Z)
• Spotting AI's Touch: Identifying LLM-Paraphrased Spans in Text [61.22649031769564]
  我々は、新しいフレームワーク、パラフレーズテキストスパン検出(PTD)を提案する。 PTDは、テキスト内でパラフレーズ付きテキストを識別することを目的としている。 パラフレーズ付きテキストスパン検出のための専用データセットであるPASTEDを構築した。
  論文  参考訳（メタデータ） (2024-05-21T11:22:27Z)
• 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)
• HANSEN: Human and AI Spoken Text Benchmark for Authorship Analysis [14.467821652366574]
  音声テキストの最大のベンチマークであるHANSEN(Human ANd ai Spoken tExt beNchmark)を紹介する。 HANSENは、新しいAI生成された音声テキストデータセットの作成とともに、書き起こしを伴う既存の音声データセットの厳密なキュレーションを含んでいる。 HANSENの実用性を評価・実証するため,人間工学データセット上でオーサシップ(AA)とオーサリティ検証(AV)を行い,最先端(SOTA)モデルを用いた人間対AI音声テキスト検出を行った。
  論文  参考訳（メタデータ） (2023-10-25T16:23:17Z)
• Towards a Robust Detection of Language Model Generated Text: Is ChatGPT that Easy to Detect? [0.0]
  本稿では,フランス語テキストのためのChatGPT検出器の開発と評価手法を提案する。 提案手法では、英文データセットをフランス語に翻訳し、翻訳されたデータに基づいて分類器を訓練する。 その結果, 検出器はChatGPT生成テキストを効果的に検出でき, ドメイン内設定における基本的な攻撃手法に対する堅牢性も高いことがわかった。
  論文  参考訳（メタデータ） (2023-06-09T13:03:53Z)
• Multiscale Positive-Unlabeled Detection of AI-Generated Texts [27.956604193427772]
  短文検出の難しさに対処するため,MPUトレーニングフレームワークを提案する。 MPU法は、長いAI生成テキストの検出性能を向上し、言語モデル検出器の短文検出を大幅に改善する。
  論文  参考訳（メタデータ） (2023-05-29T15:25:00Z)
• LLMDet: A Third Party Large Language Models Generated Text Detection Tool [119.0952092533317]
  大規模言語モデル(LLM)は、高品質な人間によるテキストに非常に近い。 既存の検出ツールは、機械が生成したテキストと人間によるテキストしか区別できない。 本稿では,モデル固有,セキュア,効率的,拡張可能な検出ツールであるLLMDetを提案する。
  論文  参考訳（メタデータ） (2023-05-24T10:45:16Z)
• Smaller Language Models are Better Black-box Machine-Generated Text Detectors [56.36291277897995]
  小型で部分的に訓練されたモデルは、より優れたユニバーサルテキスト検出器である。 検出器とジェネレータが同一データでトレーニングされたかどうかが検出成功にとって重要でないことが判明した。 例えば、OPT-125Mモデルは、ChatGPT世代を検出するのにAUCが0.81であり、GPTファミリーのより大きなモデルであるGPTJ-6BはAUCが0.45である。
  論文  参考訳（メタデータ） (2023-05-17T00:09:08Z)
• 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)

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。