arXiv cs.CL· Adel Ammar, Serry Sibaee, Wadii Boulila·· 7 小时前AI 评分42
PlagiaCorpus：用于取证抄袭检测的双语对抗跨语言数据集
PlagiaCorpus: A Bilingual, Adversarial, and Cross-Lingual Dataset for Forensic Plagiarism Detection
AI 导读
PlagiaCorpus 发布了一个包含 198,643 条文本记录的双语阿拉伯语-英语数据集，用于基准测试由 LLM 生成的抄袭及跨语言文本复用检测。该数据集涵盖从逐字复制到跨语言翻译等五种复用类别，并在 CC BY-SA 4.0 许可下以 JSON 和 Parquet 格式提供。
来源：arXiv cs.CL · arxiv.org