Vi presentiamo Pangram 3.2

Annuncio di Pangram 3.2

Pangram è lieta di annunciare il lancio di un nuovo modello di rilevamento dell'IA, Pangram 3.2. Come i suoi predecessori, Pangram 3.1 e Pangram 3.0, si basa sull'architettura EditLens descritta nel nostro articolo presentato all'ICLR 2026. Ciò che i nostri utenti possono aspettarsi è un miglioramento incrementale, ma evidente, del numero di veri positivi che il rilevatore è in grado di individuare (il recall), mantenendo lo stesso tasso di falsi positivi, tra i più bassi del settore, garantendo che le false accuse di utilizzo dell'IA rimangano estremamente rare.

Scheda del modello

Seguendo le migliori pratiche relative al rilascio dei modelli LLM, abbiamo deciso di iniziare a pubblicare le "Schede dei modelli" insieme agli aggiornamenti del nostro rilevatore: si tratta, in sostanza, di "etichette nutrizionali" per i modelli di IA. Le nostre schede dei modelli descrivono l'architettura e il framework di addestramento, i dettagli relativi al set di dati di addestramento, i risultati di valutazione rilevanti e le modifiche apportate che potrebbero influire sul comportamento del rilevatore. Descriviamo inoltre le specifiche esatte degli input e degli output del modello, le lingue supportate e le condizioni in cui ci aspettiamo che Pangram funzioni bene e in quali casi è più limitato.

Cosa aspettarsi

Probabilmente noterete che Pangram 3.2 è più sensibile rispetto alla versione 3.1. In altre parole, verrà individuato un maggior numero di testi generati dall'IA. Ciò è dovuto ai miglioramenti apportati al rilevamento di Humanizer e di Claude 4.6, alla maggiore sensibilità nel rilevare testi generati dall'IA più brevi, all'aggiunta di ulteriori dati al set di addestramento e all'ottimizzazione degli iperparametri nell'architettura di EditLens.

Cosa è migliorato

Rilevamento dell'humanizer e prompting avversario

Il miglioramento più significativo apportato a Pangram 3.2 è la sua capacità di rilevare testi generati dall'IA con un linguaggio più naturale. Sul nostro set di valutazione interno degli humanizer, abbiamo migliorato il tasso di rilevamento degli humanizer di 4 volte rispetto a Pangram 3.1. Abbiamo inoltre riscontrato un miglioramento di circa 3 volte nella nostra valutazione interna dei "prompt avversariali", ovvero testi generati da un modello linguistico istruito ad aggiungere intenzionalmente errori e a scrivere in uno stile che eluda il rilevamento dell'IA.

Ciò è particolarmente importante nel settore dell'istruzione, dove gli studenti utilizzano sempre più spesso strumenti di "umanizzazione" o cercano di stimolare i modelli linguistici in modo tale da evitare che il testo risultante sembri "troppo generato dall'IA".

Rilevamento di brevi post sui social media generati dall'intelligenza artificiale

Data la grande diffusione del nostro bot su X, che gli utenti hanno utilizzato per verificare la presenza di testi generati dall'intelligenza artificiale nei tweet, negli ultimi tempi ci siamo concentrati con particolare impegno sul miglioramento del rilevamento dei contenuti brevi online, della lunghezza di un tweet. Abbiamo inoltre ridotto il numero minimo di parole da 75 a 50, poiché riteniamo di aver acquisito maggiore sicurezza nella nostra capacità di distinguere i post generati dall'intelligenza artificiale che contengono tra le 50 e le 75 parole.

A parità di tasso di falsi positivi rispetto a Pangram 3.1, in Pangram 3.2 abbiamo migliorato il tasso di falsi negativi sui brevi post dei social media del 17%.

Miglioramenti di Claude 4.6

Diversi utenti hanno segnalato casi di falsi negativi proprio con Claude Opus 4.6. Abbiamo risolto il problema rigenerando il nostro set di dati includendo quelli relativi a Claude Opus 4.6. Dopo aver effettuato una valutazione sui nostri set di dati di test interni (in particolare sugli esempi più complessi) e aver condotto test di red teaming, siamo ora certi che Pangram sia in grado di rilevare Claude Opus 4.6 così come qualsiasi altro LLM all’avanguardia.

Cosa succederà

Matematica, programmazione e scienze generate dall'intelligenza artificiale

Il codice e i calcoli matematici generati dall'intelligenza artificiale non vengono attualmente rilevati con un alto tasso di recupero. Ci stiamo concentrando su questi casi d'uso a causa dell'elevata richiesta da parte dei clienti. Sebbene i calcoli matematici e il codice siano più strutturati e quindi più difficili da rilevare rispetto ai testi generati dall'intelligenza artificiale, alcuni dei nostri primi esperimenti stanno dando risultati promettenti.

Ulteriore iterazione su Humanizers

Il mercato degli humanizer è in continua evoluzione e negli ultimi mesi è stata lanciata sul mercato una gamma sempre più ampia di questi dispositivi. Stiamo sviluppando tecniche più avanzate per individuarli, che speriamo di poter rendere pubbliche a breve.

Il futuro

Pangram si impegna a rimanere sempre all'avanguardia nel campo del rilevamento basato sull'intelligenza artificiale. Ci evolviamo costantemente di pari passo con il continuo miglioramento delle capacità dei modelli di linguaggio di grandi dimensioni (LLM).

Stiamo anche assumendo! Dai un'occhiata alla nostra pagina dedicata alle opportunità di lavoro per aiutarci a sviluppare i migliori rilevatori di IA al mondo.