論文の概要: Unchecked or Falsely Accused? Evaluating AI-Generated Text Detectors on Kazakh

• arxiv url: http://arxiv.org/abs/2610.15870v1
• Date: Sun, 11 Oct 2026 19:43:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-19 15:33:45.400471
• Title: Unchecked or Falsely Accused? Evaluating AI-Generated Text Detectors on Kazakh
• Title（参考訳）: AIによるテキスト検出をカザフスタンで評価する
• Abstract要約: AINA-KK: ChatGPT以前に存在した百科事典、ニュース、ウェブ、教育ページからの3,811件の人文パス。 我々は、カザフスタン製のKazLLMやSherkalaを含む9つのジェネレータから、5,597個の機械とグレーゾーンの通路をAINA-KKで提示する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: AI-text detectors are already applied to Kazakh writing, yet no study reports how often publicly available detectors flag Kazakh text whose human authorship is dated before ChatGPT. We present AINA-KK: 3,811 human passages from encyclopedic, news, web and educational pages that provably existed before ChatGPT, and 5,597 machine and gray-zone passages from 9 generators, including the Kazakh-built KazLLM and Sherkala, with script and length stress tests. Five English-trained detectors from the Hugging Face Hub flag up to 81.4% of human passages and 79.6% of published student essays; recalibrated, they catch at most 1.3% of machine text. Calibrated zero-shot detectors catch at most 50.3% of machine text from in-distribution generators. Fine-tuned encoders rank text almost perfectly, but mDeBERTa at its default threshold flags 24.4% of 50-word human excerpts, partly because machine outputs are shorter than human text; calibrated, it catches only 47.1% of KazLLM and 62.7% of Sherkala passages. Without script handling, machine-transliterated Latin-2021 text defeats every detector. Fixes that need no new data (calibration, script canonicalization, script-augmented and length-matched training, and an OR with a zero-shot scorer) form AINA-KK-Det. On test it flags 0.9% of human passages (95% CI 0.4-2.7; 1.5% on development data) and catches 85.2% of machine text from known generators, 92.9% from two unseen Gemini-family Gemma-4 models and 61.3% from the Kazakh-built ones; its configuration was chosen with test results in view. We release the data, code and detector at https://github.com/ozxmn/aina-kk.
• Abstract（参考訳）: AIテキスト検出器は、すでにカザフスタンの文字に適用されているが、ChatGPTより前に人間の著者が日付を記したカザフスタンのテキストに、公開可能な検出器がいかに頻繁にフラグを付けるかは報告されていない。 我々は、ChatGPT以前に存在した百科事典、ニュース、ウェブ、教育ページからの3,811の人文通路と、カザフ語で作られたKazLLMやSherkalaを含む9つのジェネレータからの5,597の機械とグレーゾーンの通路と、スクリプトと長さのストレステストを行う。 ハッギング・フェイス・ハブの旗の英語で訓練された5つの検出器は、人間の通訳の81.4%、出版されている学生エッセイの79.6%まで達し、機械文の1.3%をキャッチしている。 キャリブレーションされたゼロショット検出器は、イン・ディストリビューション・ジェネレータから50.3%のマシン・テキストを捕捉する。 微調整エンコーダはテキストをほぼ完璧にランク付けするが、mDeBERTaのデフォルトのしきい値フラグは50ワードの人間の抜粋の24.4%である。 スクリプト処理がなければ、機械翻訳されたラテン2021テキストはすべての検出器を破る。 新しいデータ(校正、スクリプトの標準化、スクリプト拡張と長さマッチングのトレーニング、ゼロショットスコアのOR)を必要としない修正は、AINA-KK-Detを形成する。 テストでは、人間の通路の0.9%(開発データの95% CI 0.4-2.7; 1.5%)をフラグし、既知の発電機からの機械テキストの85.2%、不明なジェミニファミリーのジェマ4モデルの92.9%、カザフ語で作られたジェマ4モデルの61.3%をキャッチする。 データはhttps://github.com/ozxmn/aina-kk.comで公開しています。

関連論文リスト

• Ontological Instability and Statistical Amplification: The Paradox of "Humanizing" LLM-Generated Text [0.2864713389096699]
  意味的,構造的,およびトークン化器レベルの摂動の下で,RoBERTaに基づく検出器を解析する。 Mistral-7B-Instructが機械テキストの音をより人間らしくするよう要求されると、Verb Diversityは0.77から0.92に上昇し、出力は検出しやすくなった。
  論文  参考訳（メタデータ） (2026-10-02T10:28:25Z)
• Benchmarking and Domain Adaptation of Automatic Speech Recognition (ASR) for Adolescent Health Communication in Ghanaian Languages [0.04246470910715668]
  本稿では,ガーナ語3言語(Twi,Dagbani,Ewe)における青年期の健康コミュニケーションのための自動音声認識(ASR)のエンドツーエンド研究について述べる。 一般ドメイン聖書コーパスと青年性・生殖健康(ASRH)ドメインASRデータセットを用いて,5つのASRシステムをベンチマークした。 微調整によってすべての言語でWERが減少し、最も劇的なのはEweである。
  論文  参考訳（メタデータ） (2026-09-24T13:36:38Z)
• Can We Still Trust Disaster Social Sensing? Empirical Evidence on Detecting AI-Generated Social Media Posts [4.0219068239028655]
  災害社会センシングは、公共のソーシャルメディア投稿を状況認識と人道的ニーズの証拠に変換する。 本研究では、テキストベースのAI検出器が、AIによる災害投稿から人間を確実に識別できるかどうかを検討する。
  論文  参考訳（メタデータ） (2026-09-21T21:20:27Z)
• ARB: A Matched Authorship-Rewriting Benchmark Dataset for AI-Text Detector Evaluation [1.6901808995670524]
  Authorship-Rewriting Benchmark (ARB)は1,800の人文テキストと4つのオープンウェイトジェネレータから構築されている。 FastDetectGPTとBinoculars-falcon-7bは直接LLMテキストの91.2%と93.5%を検出したが、LLMが書き直した人間のテキストの30.8%と15.1%しか検出しなかった。 これらの結果から,従来のHuman-vs.LLMベンチマークで測定された検出性能は,LLMによって改訂された人間によるテキストに転送されないことがわかった。
  論文  参考訳（メタデータ） (2026-07-31T15:35:57Z)
• Evaluating Commercial AI Chatbots as News Intermediaries [85.32040752972836]
  ベストシステムは、数時間前に報告されたイベントに関する質問に対して、90%以上の多重選択精度を達成する。 すべてのモデルはヒンディー語で最小の精度を達成する。 原因ではなく検索は エラーの70%以上を 引き起こします
  論文  参考訳（メタデータ） (2026-05-21T17:42:07Z)
• Evaluating the Performance of AI Text Detectors, Few-Shot and Chain-of-Thought Prompting Using DeepSeek Generated Text [2.942616054218564]
  標準および人為的パラフレージングのようなアドリバーサ攻撃は、検出者がテキストを検出する能力を阻害する。 我々は、DeepSeekが生成したテキストを、一般的なAI Text、Content Detector AI、Copyleaks、QuillBot、GPT-2、GPTZeroの6つが一貫して認識できるかどうかを調査する。
  論文  参考訳（メタデータ） (2025-07-23T21:26:33Z)
• DPIC: Decoupling Prompt and Intrinsic Characteristics for LLM Generated Text Detection [56.513637720967566]
  大規模言語モデル(LLM)は、盗作、eコマースプラットフォームへの偽レビューの設置、炎症性偽ツイートなどの誤用のリスクを引き起こすテキストを生成することができる。 既存の高品質な検出手法では、本質的な特徴を抽出するために、モデルの内部にアクセスする必要がある。 ブラックボックスモデル生成テキストの深い内在特性を抽出する。
  論文  参考訳（メタデータ） (2023-05-21T17:26:16Z)
• 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)
• Can AI-Generated Text be Reliably Detected? [50.95804851595018]
  大規模言語モデル(LLM)は、様々なアプリケーションで非常によく機能します。 盗作、偽ニュースの発生、スパムなどの活動においてこれらのモデルが誤用される可能性があることは、彼らの責任ある使用に対する懸念を引き起こしている。 我々は、攻撃者の存在下で、これらのAIテキスト検出装置の堅牢性を強調テストする。
  論文  参考訳（メタデータ） (2023-03-17T17:53:19Z)
• Comprehensive Benchmark Datasets for Amharic Scene Text Detection and Recognition [56.048783994698425]
  Ethiopic/Amharicスクリプトはアフリカ最古の書記システムの一つで、東アフリカで少なくとも23の言語に対応している。 アムハラ語の表記体系である Abugida は282音節、15句の句読点、20の数字を持つ。 HUST-ART, HUST-AST, ABE, Tana という,自然界におけるアムハラ文字の検出と認識のための総合的な公開データセットを提示した。
  論文  参考訳（メタデータ） (2022-03-23T03:19:35Z)

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。