Human vs. LLM Text Corpus

Roughly 800,000 pieces of text generated by either humans or LLMs

约80万条由人类或大语言模型（LLM）生成的文本

搜集汇总

背景与挑战

背景概述

该数据集是一个包含约80万条文本的大规模语料库，专门用于人类与AI生成文本的对比研究。数据集中44%为人类撰写，56%为各类大语言模型（包括GPT-3.5、Bloom-7B等）生成，涵盖了多种主题和文本长度。该数据集主要服务于AI文本检测算法的研究、训练和评估，具有明确的研究应用导向。