Датасет · ming9999
Бенчмарк определения автора-нейросети по тексту
ming9999/maabench
Англоязычный датасет для классификации сгенерированных текстов по пяти семействам LLM с проверкой на сдвиг доменов и версий.
Что внутри
Набор текстовых документов на английском языке (от 100 тысяч до 1 миллиона примеров в формате jsonl), сгенерированных пятью семействами моделей: gpt, claude, gemini, mistral и llama. Данные охватывают академические тексты, комментарии, новости и статьи из вики, разделены на базовую выборку и тесты со сдвигом распределения (новые домены и свежие версии моделей).
Что можно сделать
- Обучение классификаторов для атрибуции ИИ-текстов конкретным семействам LLM
- Оценка устойчивости детекторов синтетического текста к новым версиям моделей и незнакомым темам
- Задачи
- Классификация текста
- Языки
- Английский
- Размер
- 100K–1M записей
- Скачиваний за месяц
- 294
- Лайков
- 7
- Доступ
- по запросу на Hugging Face
Как загрузить
from datasets import load_dataset
ds = load_dataset("ming9999/maabench")