AnxForever/chinese-ai-detector-bert

Chinese AI Text Detector - BERT Classifier

中文AI文本检测器 - BERT分类模型

模型简介

基于BERT的中文AI生成文本检测模型，支持检测纯人类、纯AI以及混合文本（人类+AI）。

核心创新：使用[SEP]标记显式标注人类/AI边界，显著提升混合文本检测准确率。

性能指标

指标	数值
整体准确率	98.71%
C2 (续写)	93.84%
C3 (改写)	100%
C4 (润色)	92.89%

快速使用

from transformers import BertTokenizer, BertForSequenceClassification
import torch

# 加载模型
model_name = "AnxForever/chinese-ai-detector-bert"
tokenizer = BertTokenizer.from_pretrained(model_name)
model = BertForSequenceClassification.from_pretrained(model_name)

# 检测文本
text = "这是一段需要检测的中文文本..."
inputs = tokenizer(text, return_tensors="pt", max_length=512, truncation=True)

with torch.no_grad():
    outputs = model(**inputs)
    probs = torch.softmax(outputs.logits, dim=1)
    
label = "AI" if probs[0][1] > 0.5 else "Human"
confidence = probs[0][1].item() if label == "AI" else probs[0][0].item()

print(f"检测结果: {label} (置信度: {confidence:.2%})")

模型架构

• 基础模型: bert-base-chinese
• 分类层: 2分类 (Human/AI)
• 最大长度: 512 tokens
• 训练数据: 66,001条样本

训练细节

• 优化器: AdamW
• 学习率: 2e-5
• Batch Size: 16
• Epochs: 5
• 损失函数: CrossEntropyLoss

数据集

训练数据包含：

• 纯人类文本
• 纯AI文本（多个模型生成）
• 混合文本（C2/C3/C4类型）

数据集: chinese-ai-detection-dataset

边界检测

如需精确定位混合文本的人类/AI边界，请配合使用： chinese-ai-detector-span

引用

@misc{chinese-ai-detector-2026,
  author = {AnxForever},
  title = {Chinese AI Text Detection with Boundary Markers},
  year = {2026},
  publisher = {Hugging Face},
  howpublished = {\url{https://huggingface.co/AnxForever/chinese-ai-detector-bert}}
}

许可证

MIT License

项目链接

• GitHub: ai-text-detector-mix
• 完整文档: FINAL_RESULTS.md