PlagiaCorpus双语对抗性抄袭检测数据集发布

2026年11月3日，arXiv发布了一篇关于PlagiaCorpus的论文。该数据集是一个包含198,643条记录的双语阿拉伯-英语数据集，专门用于基准测试大语言模型（LLM）及跨语言文本复用检测。PlagiaCorpus涵盖了五类难度递增的复用场景，包括逐字复制、字符混淆、同语言改写以及英阿翻译等，旨在提供对抗性的抄袭检测数据。该数据集采用CC BY-SA 4.0许可证分发，并提供JSON和Parquet两种格式的文件，以支持研究人员和法律科技领域对取证抄袭检测技术的深入评估。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。