---

许可证: MIT
语言:

• 中文
  评估指标:
• 准确率
  任务标签: 文本分类
  示例输入:
• 文本: '李白（701年2月28日—762年12月）[28]，字太白，号青莲居士[20]，祖籍陇西成纪（今甘肃省秦安县），出生于蜀郡绵州昌隆县（今四川省江油市青莲乡），一说出生于西域碎叶[29]。唐朝伟大的浪漫主义诗人，凉武昭王李暠九世孙[16][23]。为人爽朗大方，乐于交友，爱好饮酒作诗，名列“酒中八仙”[2]。曾受唐玄宗李隆基赏识，任翰林供奉[126]，后赐金放还，游历全国，先后迎娶宰相许圉师、宗楚客的孙女。唐肃宗李亨即位后，卷入永王之乱，流放夜郎，辗转至当涂县令李阳冰处。上元二年逝世，享年六十二岁[16]。著有《李太白集》[26]，代表作包括《望庐山瀑布》《行路难》《蜀道难》《将进酒》《早发白帝城》《黄鹤楼送孟浩然之广陵》等[2]。其词赋在开创性与艺术成就上享有极高地位，被后世尊为“诗仙”，与“诗圣”杜甫并称“李杜”。'
• 文本: "李白，字太白，号青莲居士，又号'谪仙人'，祖籍陇西成纪（今甘肃省秦安县），唐代伟大的浪漫主义诗人，被誉为'诗仙'，与杜甫并称'李杜'。性格豪爽，嗜酒善诗，广结友朋。深受黄老列庄思想影响，怀有'济苍生、安黎元'的政治抱负，然仕途坎坷，仅任微职。天宝元年（742年）因友人举荐受玄宗召见，供奉翰林，未获实权，仅充文学侍从，后天宝三载（744年）遭权贵排挤离京，漂泊江淮。安史之乱中受永王李璘案牵连流放夜郎，途中作《早发白帝城》。后遇赦返，继续漫游生涯。晚年投奔任当涂县令的族叔李阳冰，不久病逝，享年六十二岁。其诗艺成就卓绝，以抒情见长，融民歌神话元素，形成瑰丽风格，继屈原后开创浪漫主义新高峰。叙事、议论、抒情浑然一体，气势雄奇飘逸。诗作兼具磅礴气势与清新语句，乐府、歌行及绝句造诣尤高。歌行体打破传统格律，笔法变幻莫测；绝句自然明快，五七言皆达化境。盛唐诗人中，唯李白兼擅五绝与七绝且均登峰造极。作为具有世界影响力的伟大诗人，其作品在中国文学史上地位崇高，对后世影响深远，充满浪漫主义色彩，艺术价值与历史意义非凡。"

模型卡片

模型详情

模型描述

本模型是通过真实人类文本与AI生成文本（主要包含文心一言4.0、通义千问Turbo 4.0和ChatGPT 3.0）训练的人工智能生成文本检测模型，能有效识别文本是否由人工智能生成。

• 开发方: [需补充信息]
• 资助方[可选]: [需补充信息]
• 共享方[可选]: [需补充信息]
• 模型类型: [需补充信息]
• 支持语言(NLP): [需补充信息]
• 许可证: [需补充信息]
• 微调基础模型[可选]: [需补充信息]

模型来源[可选]

• 代码库: [需补充信息]
• 论文[可选]: [需补充信息]
• 演示[可选]: [需补充信息]

用途

直接使用

[需补充信息]

下游应用[可选]

[需补充信息]

非适用场景

[需补充信息]

偏差、风险与局限

[需补充信息]

建议

建议直接使用者和下游使用者充分了解模型的潜在风险、偏差及局限性。需补充详细信息以提供进一步建议。

快速开始

可通过以下示例代码实现AI生成文本与真实文本的分类：

from transformers import AutoTokenizer, AutoModelForSequenceClassification  

tokenizer = AutoTokenizer.from_pretrained("Juner/AI-generated-text-detection-pair")  
model = AutoModelForSequenceClassification.from_pretrained("Juner/AI-generated-text-detection-pair")  

# 编码输入并获取输出  
question = "你喜欢我吗？"  
answer = "是的！我喜欢你！"  
inputs = tokenizer(question+answer, padding=True, truncation=True, return_tensors="pt", max_length=512)  
outputs = model(**inputs)  

[需补充信息]

训练详情

训练数据

[需补充信息]

训练流程

预处理[可选]

[需补充信息]

训练超参数

• 训练方案: [需补充信息]

速度、规模与时长[可选]

[需补充信息]

评估

测试数据、因素与指标

测试数据

[需补充信息]

因素

[需补充信息]

指标

[需补充信息]

结果

[需补充信息]

总结

模型检验[可选]

[需补充信息]

环境影响

碳排放量可通过Lacoste等(2019)提出的机器学习影响计算器估算。

• 硬件类型: [需补充信息]
• 使用时长: [需补充信息]
• 云服务商: [需补充信息]
• 计算区域: [需补充信息]
• 碳排放量: [需补充信息]

技术规格[可选]

模型架构与目标

[需补充信息]

计算基础设施

[需补充信息]

硬件

[需补充信息]

软件

[需补充信息]

引用[可选]

Bibtex格式:
[需补充信息]

APA格式:
[需补充信息]

术语表[可选]

[需补充信息]

更多信息[可选]

[需补充信息]

模型卡片作者[可选]

[需补充信息]

模型卡片联系人

[需补充信息]