基于多种训练策略的人工文本检测
计算与语言
2022-12-15 v1 人工智能
摘要
随着深度学习的快速发展，生成模型创建的人工文本在新闻和社交媒体中被广泛使用。然而，此类模型可能被滥用来生成产品评论、假新闻甚至虚假政治内容。本文针对2022年Dialogue共享任务中的俄罗斯人工文本检测（RuATD 2022）提出一种解决方案，以判别给定文本是由列表中的哪个模型生成的。我们为该共享任务引入了带有多种训练策略的DeBERTa预训练语言模型。在RuATD数据集上进行的广泛实验验证了我们提出方法的有效性。此外，我们的提交在RuATD 2022（多分类）的评估阶段排名第二。
引用
@article{arxiv.2212.05194,
title = {Artificial Text Detection with Multiple Training Strategies},
author = {Bin Li and Yixuan Weng and Qiya Song and Hanjun Deng},
journal= {arXiv preprint arXiv:2212.05194},
year = {2022}
}
备注
Accepted by Dialogue-2022 Conference. 7 pages, 2 figures, 2 tables