MasonTigers 参加 SemEval-2024 任务 8：基于 Transformer 的模型在机器生成文本检测上的性能分析
MasonTigers at SemEval-2024 Task 8: Performance Analysis of Transformer-based Models on Machine-Generated Text Detection
AI总结：
该工作提出 MasonTigers 系统，面向 SemEval-2024 任务 8 的三个机器生成文本检测赛道，集成判别式 transformer、sentence transformer、统计学习及 FLAN-T5 提示/微调方案。
摘要：
本文介绍了 MasonTigers 参加 SemEval-2024 任务 8——多生成器、多领域和多语言黑盒机器生成文本检测——的参赛系统。该任务包括二分类的人类撰写与机器生成文本分类（Track A）、多类机器生成文本分类（Track B）以及人机混合文本检测（Track C）。我们表现最佳的方法主要采用判别式 transformer 模型集成，并在特定情况下结合 sentence transformer 和统计机器学习方法。此外，Track A 和 B 还使用了 FLAN-T5 的零样本提示与微调。
英文摘要：
This paper presents the MasonTigers entry to the SemEval-2024 Task 8 - Multigenerator, Multidomain, and Multilingual Black-Box Machine-Generated Text Detection. The task encompasses Binary Human-Written vs. Machine-Generated Text Classification (Track A), Multi-Way Machine-Generated Text Classification (Track B), and Human-Machine Mixed Text Detection (Track C). Our best performing approaches utilize mainly the ensemble of discriminator transformer models along with sentence transformer and statistical machine learning approaches in specific cases. Moreover, zero-shot prompting and fine-tuning of FLAN-T5 are used for Track A and B.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
