danielfein/aihumanmerged

aihumanmerged是一个组合的新词检测器配对数据集，专门用于AI文本检测任务。该数据集通过将人类撰写的文本与AI生成的文本进行配对构建，旨在训练和评估模型区分人类与AI生成内容的能力。数据集包含训练对（train_pairs.json）、保留对（holdout_pairs.json）和元数据（metadata.json）三个文件。其构造整合了多个来源：RAID数据集中独特人类文本与随机AI文本配对（其中500对作为保留集）、EditLens数据集中ai_generated与human_written的对比（测试集用作保留集），以及来自gsingh1-py/train、AlekseyKorshuk/ai-detection-gutenberg-human-formatted-ai-part2和coai/ai-text-detection-training的数据，每个来源均采用独特人类文本与随机AI文本配对的方式。该数据集适用于自然语言处理中的文本分类和检测研究。--- pretty_name: 人机融合（aihumanmerged） license: MIT许可证 --- # 人机融合（aihumanmerged）数据集 本数据集为适配新术语检测器的配对组合数据集。 数据集内容： - `train_pairs.json` - `holdout_pairs.json` - `metadata.json` 数据集构建方式： - 将RAID独有人类文本与随机AI生成文本进行配对，预留500组RAID配对样本作为留出集。 - 采用EditLens标注的`ai_generated`（AI生成）与`human_written`（人类撰写）文本样本，以其内置测试集作为本次数据集的预留留出集。 - 数据源`gsingh1-py/train`：每组配对包含一段独有人类文本与一段随机AI生成文本。 - 数据源`AlekseyKorshuk/ai-detection-gutenberg-human-formatted-ai-part2`：每组配对包含一段独有人类文本与一段随机AI生成文本。 - 数据源`coai/ai-text-detection-training`：每组配对包含一段独有人类文本与一段随机AI生成文本。