LLMTrace：用于AI写入文本分类和细粒度定位的语料库
计算与语言
2025-09-26 v1
摘要
大型语言模型（Large Language Models, LLMs）生成类人文本的广泛使用 necessitates 发展 robust 检测系统。然而，进展受限于关键缺乏合适训练数据；现有数据集常常使用已过时的模型生成，主要以英语为主，且未能解决越来越常见的混合人类-AI 作者场景。关键的是，尽管一些数据集解决了混合作者，但没有提供所需的 character-level 注释以实现对AI生成片段在文本中精确定位。为此，我们介绍LLMTrace，一个新的大规模、双语（英语和俄语）语料库，用于AI生成文本检测。我们使用多样化的现代专有和开源LLMs构建了该数据集，旨在支持两个关键任务：传统的全文本二元分类（人类 vs. AI）以及 novel AI生成区间检测任务，通过 character-level 注释实现。我们认为LLMTrace将作为训练和评估下一代更细致且实用的AI检测模型的重要资源。项目页面位于\href{https://sweetdream779.github.io/LLMTrace-info/}{iitolstykh/LLMTrace}。
引用
@article{arxiv.2509.21269,
title = {LLMTrace: A Corpus for Classification and Fine-Grained Localization of AI-Written Text},
author = {Irina Tolstykh and Aleksandra Tsybina and Sergey Yakubson and Maksim Kuprashevich},
journal= {arXiv preprint arXiv:2509.21269},
year = {2025}
}