摘要：AI Generated Text Dataset（AI生成文本数据集） 是一个用于人工智能生成文本检测与真实性识别研究的数据集，包含人工撰写文本与大语言模型生成文本样本。。
数据集概述
AI Generated Text Dataset（AI生成文本数据集） 是一个用于人工智能生成文本检测与真实性识别研究的数据集，包含人工撰写文本与大语言模型生成文本样本。数据集旨在帮助研究人员、教育机构和开发者研究文本来源判别问题，支持机器学习模型对人工生成内容与真实人类文本进行分类识别。
数据结构与关键特征
数据集以 CSV 格式存储，包含 text 和 generated 两个字段，共 1460 条文本样本。其中 text 表示完整文本内容，generated 表示文本来源标签（1 表示 AI 生成，0 表示人工撰写）。数据具有明显类别不平衡特点，包括约 85 条 AI 生成文本和 1375 条人类文本，文本长度约为 200 个 token，适用于研究文本语义特征、语言模式、句式复杂度和生成痕迹等特征。
应用价值与研究方向
该数据集可用于构建 AI 文本检测系统，应用于学术论文查重、新闻真实性验证、内容审核和合成媒体检测等领域。研究方向包括基于 TF-IDF 与传统机器学习的文本分类、深度学习模型（Transformer、BERT 等）微调、类别不平衡学习、可解释人工智能（SHAP/LIME）分析以及大语言模型生成文本特征研究。
数据集来源
由张家梁(Bob)整理并于2026年在7zcode平台公开发布。
数据集信息
免责声明与引用
数据仅用于科研与教学用途。若用于商业场景，请自行核验数据许可。如需引用，请在论文或报告中注明数据集名称与版本号。
作者信息
作者：Bob (张家梁)
项目编号：Datasets-362
文件大小：1M
原创声明：本数据集为整理作品
联系方式
开源协议
本项目采用AGPL-3.0开源协议，允许个人和组织自由使用、修改和分发代码，但基于本项目的衍生作品必须同样开源，且用于提供网络服务时需向用户提供完整源代码。本项目仅供学习研究使用，作者不对使用本项目产生的任何后果承担责任，使用者应遵守当地法律法规，合理合法使用本项目。如本项目对您的研究或工作有所帮助，欢迎引用并注明出处。
评论(0)