Sharif-MGTD 在 SemEval-2024 任务 8 中的应用:一种基于 Transformer 的机器生成文本检测方法
原文中文,约400字,阅读约需1分钟。发表于: 。利用 RoBERTa 基础变压器作为强大的神经架构,通过精细调整来解决检测机器生成文本的问题,将其作为二元分类任务,并在 SemEval-2024 竞赛框架中的单语言英文子任务(Subtask A)中取得 78.9% 的准确率,在参与者中名列第 57 位。我们的研究在考虑有限的硬件资源的基础上解决了这一挑战,使得我们的系统在识别人类编写的文本方面表现出色,但在准确辨别机器生成文本方面还面临一些挑战。
本研究使用RoBERTa基础变压器解决检测机器生成文本的问题,以78.9%的准确率在SemEval-2024竞赛中名列第57位。系统在识别人类编写的文本方面表现出色,但在准确辨别机器生成文本方面仍有挑战。