
언어학적 특성(통계, 가독성, 문체, 어휘 다양성, 수사 구조, 개체 격자)과 사전 훈련된 언어 모델 임베딩을 결합하여 기계 생성 텍스트와 인간 작성 텍스트를 효과적으로 구분할 수 있다.


coremsg

llm-생성-텍스트의-언어학적-특성을-포착할-수-있는가-


LLM 생성 텍스트의 언어학적 특성을 포착할 수 있는가?


title_rewrite


SemEval-2024 Task 8에 참여한 MasonTigers 팀은 주로 판별자 트랜스포머 모델의 앙상블, 문장 트랜스포머, 통계적 기계 학습 기법을 활용하여 우수한 성능을 달성했다. 또한 FLAN-T5의 제로샷 프롬팅과 파인튜닝을 활용하여 Track A와 B에서 좋은 결과를 얻었다.


기계-생성-텍스트-탐지를-위한-트랜스포머-기반-모델의-성능-분석


기계 생성 텍스트 탐지를 위한 트랜스포머 기반 모델의 성능 분석
