Pangram è ora in grado di individuare i programmi di humanizzazione basati sull'intelligenza artificiale
Negli ultimi mesi, con la crescita costante del mercato dei sistemi di rilevamento dell'intelligenza artificiale, è emerso un mercato parallelo dedicato alle tecniche per eluderli.
Oggi sul mercato è disponibile un'intera categoria di strumenti che si definiscono "umanizzatori". Sebbene nel dettaglio ciascuno di questi strumenti sia leggermente diverso dagli altri, tutti puntano a un unico obiettivo: se utilizzi il nostro strumento, nessuno sarà in grado di capire che il tuo testo è stato scritto da un'intelligenza artificiale. Questi strumenti hanno rapidamente guadagnato popolarità tra studenti, professionisti SEO e chiunque speri di eludere il rilevamento del proprio utilizzo dell'IA.
Tuttavia, siamo lieti di annunciare che oggi abbiamo lanciato un modello in grado di individuare oltre il 90% dei contenuti umanizzati di alta qualità.
Risultati
Ecco come si comporta il nostro nuovo modello:
| Lingua | Rilevamento testo AI % | Rilevamento testo AI umanizzato % |
|---|---|---|
| GPTZero | 95.60% | 34.53% |
| Binocolo | 94.40% | 29.73% |
| Linea di base Pangram | 100.00% | 73.07% |
| Pangram Humanizers (modello attuale!) | 100.00% | 93.66% |
Per ottenere questi risultati, il nostro team ha condotto un rigoroso processo di ricerca che ha comportato un'analisi approfondita di 19 modelli di humanizzazione disponibili al pubblico, la creazione di un sistema di classificazione per valutarne la qualità e il riaddestramento del nostro modello di produzione utilizzando testi umanizzati di alta qualità inclusi nel suo corpus di addestramento.
Questo lavoro è stato recentemente presentato al Workshop sul rilevamento dei contenuti generati dall'intelligenza artificiale nell'ambito della Conferenza internazionale sulla linguistica computazionale. Per leggere l'articolo tecnico, clicca qui.
Per ulteriori informazioni, richieste di demo o altre domande, scrivete a info@pangram.com!
Elyas Masrour è uno degli ingegneri fondatori di Pangram. Da quando è entrato a far parte di Pangram come secondo dipendente, appena uscito dall’Università del Maryland, ha sviluppato infrastrutture fondamentali quali l’API di distribuzione dei modelli, i controlli di accesso basati sui ruoli e le pipeline di supporto per le prove. Elyas lavora inoltre a stretto contatto con il team di ricerca su progetti quali la robustezza agli attacchi avversari, l’interpretabilità dei modelli e il rilevamento di contenuti misti eterogenei. Al di fuori del lavoro, Elyas ama dedicarsi a una vasta gamma di attività creative ed espressive, tra cui la realizzazione di film, la lettura e l'esplorazione della città.
Altre letture
Vi presentiamo Pangram 3.0 con il rilevamento dell'assistenza tramite IA
Presentazione dell'identificazione tramite IA: Pangram è in grado di distinguere i diversi modelli di linguaggio (LLM) l'uno dall'altro
Pangram funziona su Claude Fable 5?
Guida alla migrazione dell'API Pangram 3.0
In che misura Pangram è in grado di individuare i modelli di ragionamento?
Presentazione di tag e gruppi
per ricevere i nostri aggiornamenti
