BUSTED at AraGenEval Shared Task：变 Transformer 模型用于阿拉伯语 AI 生成文本检测的比较研究
计算与语言
2025-10-28 v2 人工智能
摘要
本文详细介绍了我们团队 BUSTED 在 AraGenEval Shared Task 上的提交情况，其中我们获得了第 5 名。我们研究了三种预训练 Transformer 模型的有效性：AraELECTRA、CAMeLBERT 和 XLM-RoBERTa。我们的做法是对每个模型在提供的数据集上进行微调，以进行二分类任务。我们的发现显示出一种惊人的结果：多语言 XLM-RoBERTa 模型以 0.7701 的 F1 分数取得最高性能，超越了专门的阿拉伯语模型。这一工作强调了 AI 生成文本检测的复杂性，并凸显了多语言模型的强大泛化能力。
引用
@article{arxiv.2510.20610,
title = {BUSTED at AraGenEval Shared Task: A Comparative Study of Transformer-Based Models for Arabic AI-Generated Text Detection},
author = {Ali Zain and Sareem Farooqui and Muhammad Rafi},
journal= {arXiv preprint arXiv:2510.20610},
year = {2025}
}