Wir investieren in intensive Forschung, um die Zuverlässigkeit der KI-Erkennung zu verbessern. Werfen Sie einen Blick auf unsere veröffentlichten Arbeiten und erfahren Sie, wie wir Systeme mit geringer Falsch-Positiv-Rate entwickeln, die Abdeckung auf neue Modalitäten ausweiten und Unternehmen sowie Bildungseinrichtungen weltweit unterstützen.
Wir stellen „Pangram 4“ vor, unseren auf Deep Learning basierenden KI-Textklassifikator, der mit einer Falsch-Positiv-Rate von 0,0041 % eine Genauigkeit auf dem neuesten Stand der Technik erreicht und sich durch eine verbesserte Generalisierung außerhalb der Verteilung, Robustheit gegenüber adversarialen Angriffen sowie eine fein abgestufte Erkennung von gemischten KI- und Menschentexten auszeichnet.
EditLens: Quantifizierung des Ausmaßes der KI-Bearbeitung in Texten
Ein erheblicher Teil der Anfragen an große Sprachmodelle besteht darin, vom Nutzer bereitgestellte Texte zu bearbeiten, anstatt neue Texte von Grund auf zu generieren. Während sich bisherige Arbeiten auf die Erkennung vollständig von KI generierter Texte konzentrieren, zeigen wir, dass sich von KI bearbeitete Texte von von Menschen verfassten und von KI generierten Texten unterscheiden lassen.
DAMAGE: Erkennung von durch Adversarial-Angriffe manipuliertem, KI-generiertem Text
KI-Humanizer sind eine neue Klasse von Online-Softwaretools, die dazu dienen, von KI generierte Texte so umzuformulieren und neu zu schreiben, dass sie von KI-Erkennungssoftware nicht erkannt werden. Wir untersuchen 19 KI-Humanizer und Umformulierungstools und bewerten qualitativ ihre Wirksamkeit sowie die Genauigkeit, mit der sie die Bedeutung des Originaltextes wiedergeben.
Technischer Bericht zum Pangram-Klassifikator für KI-generierte Texte
Ein Einblick in Pangram Text, unseren auf Transformern basierenden Detektor, der mithilfe von Hard-Negative-Mining trainiert wurde, um branchenführende Genauigkeit bei KI-generierten Inhalten zu erzielen.