arXiv · AI· Adel Ammar, Serry Sibaee, Wadii Boulila·· 8 小时前AI 评分28
PlagiaCorpus：用于法证抄袭检测的双语对抗性数据集
PlagiaCorpus: A Bilingual, Adversarial, and Cross-Lingual Dataset for Forensic Plagiarism Detection
AI 导读
PlagiaCorpus 是一个阿英双语数据集，用于基准化抄袭检测，涵盖 198,643 条文本记录。数据源自维基百科和开源书籍，包含 163,758 个查询，涵盖逐字复制及 LLM 改写等五类任务。该数据集采用 CC BY-SA 4.0 许可发布，提供 JSON 和 Parquet 格式。
来源：arXiv · AI · arxiv.org