論文の概要: The uneven rise of AI-generated web content

• arxiv url: http://arxiv.org/abs/2610.36631v1
• Date: Tue, 27 Oct 2026 04:33:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-28 21:04:31.484234
• Title: The uneven rise of AI-generated web content
• Title（参考訳）: AI生成Webコンテンツの不均一な増加
• Abstract要約: AI生成テキストを含むシェアは急激に増加したが、不均一に増加した。 英語のWebページの比率は、他の言語のページと比較してAI生成テキストを含んでいる。 より中央のページは徐々に増加しており、AIが生成するテキストをほとんど含まないほど中央の層が出現している。
• 参考スコア（独自算出の注目度）: 4.0516721143868475
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In less than five years, generative artificial intelligence (AI) has dramatically reshaped the public-facing web. Using a sample of more than 5 million crawlable webpages, we demonstrate that the share containing AI-generated text has increased precipitously, but unevenly. Our analyses reveal substantial differences in AI composition across language and domain categories (e.g., .edu, .com, or .gov). A higher fraction of English-language webpages contain AI-generated text compared to pages in other languages, and prevalence is substantially lower on .gov and .edu domains compared to .com. These distinctions persist even after accounting for compositional effects. We also find heterogeneity based on a page's position in the connectivity structure of the web. AI-generated text is most common and has increased most rapidly in pages that are the least central in the graph, which drives much of the overall growth in AI-generated text. A slower increase has taken place for more central pages, with the most central tier emerging as the least likely to contain AI-generated text. Methodologically, we use multiple AI detection tools, and generate estimates using a Bayesian hierarchical model that incorporates corrections for the detectors' statistical properties (both false positives and false negatives) and allows for different detector performance across groups, while propagating uncertainty in detector error rates into prevalence estimates. Our work suggests that AI is a prominent, but varied, contributor to public information and internet-based communication.
• Abstract（参考訳）: 5年足らずの間に、生成的人工知能(AI)は、公衆向けウェブを劇的に作り直した。 500万以上のクロール可能なWebページのサンプルを使用して、AI生成テキストを含むシェアが急激に増加したが、不均一に増加したことを実証する。 分析の結果,言語とドメインカテゴリ(.edu, .com, .govなど)におけるAI構成の相違が明らかとなった。 英語のWebページの比率は、他の言語のページと比べてAI生成のテキストを含んでいる。 Govと... 江戸藩は.. とのこと。 これらの区別は、構成的効果を考慮しても継続する。 また、ウェブの接続構造におけるページの位置に基づく不均一性も見出す。 AI生成テキストは最も一般的で、グラフの最も中央にあるページで最も急速に増加しており、AI生成テキストの全体的な成長を誘導している。 より中央のページは徐々に増加しており、AIが生成するテキストをほとんど含まないほど中央の層が出現している。 提案手法では,複数のAI検出ツールを用いて,検出者の統計的特性(偽陽性と偽陰性の両方)の補正を組み込んだベイズ階層モデルを用いて推定を生成する。 私たちの研究は、AIが公共情報やインターネットベースのコミュニケーションに顕著だが、多様であることを示している。

関連論文リスト

• Operation-Guided Progressive Human-to-AI Text Transformation Benchmark for Multi-Granularity AI-Text Detection [49.41415417307568]
  OpAI-Benchは、プログレッシブな人間とAIのテキスト変換を研究するためのオペレーションガイド付きベンチマークである。 我々は、AIテキスト検出能力は、AI編集コンテンツの割合だけでなく、編集操作、ドメイン、累積修正履歴によっても支配されていることを示す。
  論文  参考訳（メタデータ） (2026-06-04T17:58:05Z)
• '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)
• Automatic detection of Gen-AI texts: A comparative framework of neural models [8.423689720638846]
  本稿では,複数の機械学習ベース検出器の設計,実装,評価を通じて,AIが生成するテキスト検出の問題について検討する。 マルチレイヤパーセプトロン、1次元畳み込みニューラルネットワーク、MobileNetベースのCNN、トランスフォーマーモデルという4つのニューラルネットワークが開発・分析されている。 その結果、教師付き検出器は、様々な言語やドメインにわたる商用ツールよりも安定で堅牢な性能を実現することがわかった。
  論文  参考訳（メタデータ） (2026-03-19T10:55:07Z)
• EditLens: Quantifying the Extent of AI Editing in Text [23.457378805409714]
  AIで編集されたテキストは、人間が書いたテキストやAIで生成したテキストと区別可能であることを示す。 テキスト内に存在するAI編集量を予測する回帰モデルをトレーニングする。 AIによって編集されたテキストが検出できるだけでなく、AIによる人間の文章への変化の度合いも検出できることを示す。
  論文  参考訳（メタデータ） (2025-10-03T16:27:48Z)
• 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)
• 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)
• 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)
• Is This Abstract Generated by AI? A Research for the Gap between AI-generated Scientific Text and Human-written Scientific Text [13.438933219811188]
  本稿では,AIが生み出す科学内容と人間による文章とのギャップについて検討する。 我々は、AI生成科学テキストと人文科学テキストの間に、文章スタイルのギャップがあることを発見した。
  論文  参考訳（メタデータ） (2023-01-24T04:23:20Z)

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。