AnxForever/chinese-ai-detector-span

Chinese AI Text Detector - Span Detector

中文AI文本检测器 - 边界检测模型

模型简介

基于BERT的Token级边界检测模型，用于精确定位混合文本（人类+AI）中的人类/AI边界位置。

性能指标

指标	数值
Token分类准确率	96.69%
实际边界误差	<10字符

快速使用

from transformers import BertTokenizer, BertForTokenClassification
import torch

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

# 检测边界
text = "人类写的部分[SEP]AI生成的部分"
inputs = tokenizer(text, return_tensors="pt", max_length=512, truncation=True)

with torch.no_grad():
    outputs = model(**inputs)
    predictions = torch.argmax(outputs.logits, dim=2)

# 找到边界位置
tokens = tokenizer.convert_ids_to_tokens(inputs['input_ids'][0])
labels = predictions[0].tolist()

boundary_idx = None
for i, (token, label) in enumerate(zip(tokens, labels)):
    if label == 1:  # AI部分开始
        boundary_idx = i
        break

print(f"边界位置: Token {boundary_idx}")

标签说明

• 0: Human (人类写的部分)
• 1: AI (AI生成的部分)

配合使用

建议先使用分类器判断文本类型： chinese-ai-detector-bert

如果检测为混合文本，再使用本模型定位边界。

训练细节

• 基础模型: bert-base-chinese
• 标注数据: 2,034条Token级标注
• 最大长度: 512 tokens
• 学习率: 2e-5

数据集

chinese-ai-detection-dataset

引用

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

许可证

MIT License

项目链接

• GitHub: ai-text-detector-mix