Ateeqq/AI-and-Human-Generated-Text

AI-GA数据集，全称为人工智能生成摘要，包含摘要和标题。其中一半的摘要由AI生成，另一半为原始摘要。该数据集主要用于自然语言处理领域的研究和实验，特别是在语言生成和机器学习方面。数据集包含28,662个样本，每个样本包含一个摘要、一个标题和一个标签。数据集被均分为两类："AI生成摘要"和"原始摘要"。标签用于区分原始摘要（标记为0）和AI生成摘要（标记为1）。值得注意的是，AI生成摘要使用了先进的GPT-3模型进行生成。此外，还提到了一个大型替代数据集，包含人类撰写和LLM生成的文本，适用于LLM文本检测方法的研究。

原始信息汇总

AI-GA 数据集概述

数据集基本信息

• 许可证: MIT
• 语言: 英语
• 大小分类: 10K<n<100K
• 任务分类: 文本分类

数据集描述

AI-GA 数据集，全称为 Artificial Intelligence Generated Abstracts，包含摘要和标题。其中一半的摘要由AI生成，另一半为原创。该数据集主要用于自然语言处理领域的研究和实验，特别是语言生成和机器学习方面。

数据集详情

• 样本数量: 28,662
• 样本内容: 每个样本包含一个摘要、一个标题和一个标签。
• 分类: 数据集分为两类，即“AI生成的摘要”和“原创摘要”。
• 标签: 原创摘要标记为0，AI生成的摘要标记为1。
• 生成技术: AI生成的摘要使用先进的语言生成技术，主要利用GPT-3模型。

大型替代数据集

• 链接: https://github.com/sakibsh/LLM
• 内容: 包含人类作者和LLM生成（使用GPT-4和BARD）的文本，涵盖多种类型，如论文、故事、诗歌和Python代码。
• 用途: 用于研究LLM文本检测方法。