Быстрый рост генеративных LLM создаёт угрозы текстовых deepfake-фальсификаций. Современные детекторы эффективны на целых текстах, но не справляются с гибридными документами. Предлагается метод поиска границ «человек—ИИ» на основе 15 синтаксических признаков (AICoreDetector). Для воспроизводимости экспериментов используются локальные LLM (Ollama + Qwen/Llama). Ожидаемый результат — алгоритм сегментации, бенчмарк из 5000 образцов, сравнение трёх моделей, статья и открытый код.

Разработка и экспериментальная оценка метода автоматической сегментации гибридных текстов (человек + AI-вставки) на основе скользящего синтаксического профилирования с использованием локальных LLM для генерации тестовых данных и сравнительного анализа архитектур моделей

Контроль реализован как многоуровневая система регулярных проверок. Еженедельная синхронизация (5–10 мин, онлайн/очно) — устный отчёт с демонстрацией кода, успех при выполнении ≥80 % плана. Двухнедельный отчёт (1–2 стр.) фиксирует задачи, результаты, проблемы и план, оценивается по наличию измеримых артефактов. Демонстрация прототипа — в конце месяцев, живой показ работающего решения с подтверждением ключевых вех. Code Review — ежемесячно, проверка кода командой, исправление замечаний,...Подробнее

1. GitHub/GitLab-репозиторий с: o Исходным кодом всех модулей (извлечение признаков, сегментатор, генератор данных). o Инструкцией по установке и воспроизведению экспериментов (README.md). o Сценариями запуска (shell-скрипты, Jupyter Notebooks). o Датами и результатами экспериментов в структурированном виде (CSV, JSON). 2. Научная статья (черновик и финальная версия): o Объём: 8–10 страниц, формат в соответствии с конференцией (например, AIST, AINL, IEEE). o Разделы: введение, обзор,...Подробнее

ПО: Python 3.10+, spaCy (ru_core_news_lg), scikit-learn, Pandas, NumPy, Matplotlib, SHAP, Joblib — всё открытое. LLM-инфраструктура: Ollama для Qwen/Llama/DeepSeek, llama.cpp + GGUF для квантизации — локально, приватно, без лимитов. Вычисления: Colab (T4), Kaggle (P100), локальные ноутбуки с RTX 3060/4060 (≥8 ГБ VRAM). Минимум: 4 ядра CPU, 16 ГБ RAM, 6 ГБ VRAM для 7B-моделей в 4-bit. Оптимизация: Q4_K_M, окно 2048, batch-обработка, кэширование признаков — работа на студенческих...Подробнее

AICoreDetector — 15 синтаксических признаков + Random Forest (F1 = 0.901, AUC-ROC = 0.961). Датасет — 10 000 русскоязычных текстов (5K human + 5K AI) по моделям Llama, Qwen, DeepSeek. Опыт с LLM — Hugging Face API и локальный Ollama в предыдущих экспериментах. Компетенции команды — Python (продвинутый), PyTorch (базовый), spaCy/NLTK, scikit-learn/XGBoost, Git. Обзор — 38 источников по детекции AI-текста, выявлены ключевые паттерны и ограничения. Признание — лучшая студенческая работа (Тен...Подробнее