AI Text Detection

项目展示

Live Demo
在线检测
人工确认闭环

在线演示

这一页展示的不是静态截图,而是当前线上系统的真实交互链路: 输入文本、输出 Human / AI 判定、理解判定依据,并在必要时提交人工确认。

Demo Focus

系统会展示什么

系统如何把文本判为 Human / AI
置信度、风险提示与句子级分析如何呈现
误判样本如何进入人工确认闭环而不污染系统
响应速度
<500ms
支持格式
文本/TXT
运行策略
二分类 + 风险解释

Demo Workflow

从输入到闭环的完整线上链路

用户先输入文本,再由主分类器给出 Human / AI 结果;系统同步展示置信度、判定依据和句子级分析; 如果现场发现误判,还可以直接走人工确认闭环。

输入

文本或文件上传

判定

主模型输出二分类结果

解释

依据、风险提示、句子级分析

闭环

误判样本人工确认回流

输入文本

0 / 10,000请输入文本

示例文本

点击即可直接载入并触发检测,适合现场功能展示

检测结果

输入文本后点击检测按钮

检测结果将在这里显示

使用提示

  • 文本长度建议在100-5000字之间,效果最佳
  • 当前线上只返回 Human / AI 二分类,低置信结果建议人工复核
  • 支持导出检测报告,方便保存和分享

技术说明

bert_v11c_boundary_fix
主检测链路

文档级分类器只输出 Human / AI 二分类结果;解释层展示置信度、风险标记和句子级分析,当前不启用混合文本边界模型。

闭环数据策略

系统只收集“确认错误”的样本进入闭环训练入口;已确认正确的结果不会进入训练集。同一文本重复提交会按 dedup key 去重,避免重复计入。

安全使用边界

人工确认标签只对完全相同文本有效。若原文被 AI 润色、续写或改写,系统会将其视为新文本重新检测,而不会直接继承旧标签。

AI Text Detection

基于 BERT 微调的中文 AI 文本检测系统

当前默认模型为 `bert_v11c_boundary_fix`。本网站展示项目主线、实验结果、在线演示与项目问答,统一使用左侧侧栏组织信息结构。

项目信息

2026 本科毕业设计

西安科技大学 · 计算机科学与技术

陕ICP备2025065501号-2