Catch-the-AI人工智能生成内容检测数据集
数据来源：互联网公开数据 (Kaggle 竞赛及其他数据集)
标签：人工智能, AI 生成内容, 检测, LLM, 文本, 图像, 音频, 机器学习, 数据集, 自然语言处理, 幻觉检测, DAIGT, Kaggle, Hugging Face
数据概述：
本数据集是 Catch the AI 团队的毕业项目成果，旨在检测人工智能 (AI) 生成的内容 (包括图像、音频和文本)。 该项目专注于构建 AI 生成内容检测系统。
项目目标： 检测由人工智能生成的内容， 包括图像、 音频和文本。
团队组成： 由 9 名成员组成。
Git Hub： 私有仓库， 暂不公开。
Web 链接： 敬请期待。
数据集构成：
数据集主要由三个文件组成：
DAIGT Kaggle:
包含不同 LLM (大型语言模型) 生成的文本，例如：
Mistral-7B (v1 & v2)
Llama 70b
Falcon 180b
GPT (3.5 & 4)
Claude
数据来源： 来源于 Kaggle 竞赛以及其他数据集， 具体包括：
LLM Generated Essays for the Detect AI Comp!
persuade corpus 2.0
DAIGT | External Dataset
daigt data - llama 70b and falcon180b
13 Batch:
与 DAIGT Kaggle 数据集相同， 但已分割成批次， 以方便在大型模型上进行训练。
DAIGT HuggingFace and Kaggle:
数据源自 Hugging Face， 经过处理后增加数据量。
其他媒体资源：
图像： Mohannad Ayman Salah
音频： Abdalla Mohamed, Mohammed Abdeldayem
数据用途概述：
该数据集主要用于以下场景：
人工智能生成内容检测： 用于训练和评估 AI 生成文本、 图像和音频的检测模型。
机器学习： 进行机器学习模型的训练和实验，例如， 分类、 检测等。
自然语言处理 (NLP)： 用于研究文本生成、 文本分析、 幻觉检测等 NLP 技术。
计算机视觉： 用于图像生成和图像检测。
多模态学习： 如果数据集中包含了不同模态的数据 (文本、 图像、 音频) ，可以用于多模态学习。
学术研究： 用于学术研究，例如， 论文发表、 学术报告等。
竞赛： 用于参与 AI 相关竞赛，例如， 文本生成检测、 图像生成检测等。
