arXiv · cs.CY（AI 与法律/社会）· Adel Ammar, Serry Sibaee, Wadii Boulila·· 6 小时前AI 评分31
PlagiaCorpus：用于取证抄袭检测的双语对抗性跨语言数据集
PlagiaCorpus: A Bilingual, Adversarial, and Cross-Lingual Dataset for Forensic Plagiarism Detection
AI 导读
PlagiaCorpus 发布包含 198,643 条记录的双语阿拉伯-英语数据集，专用于基准测试大语言模型（LLM）及跨语言文本复用检测。该数据集涵盖逐字复制、字符混淆、同语言改写及英阿翻译等五类难度递增的复用场景，并采用 CC BY-SA 4.0 许可证分发 JSON 和 Parquet 格式文件。
来源：arXiv · cs.CY（AI 与法律/社会） · arxiv.org