chatgpt-comparison-detection

一键识别文本是否由ChatGPT生成，基于权威HC3数据集。

这是一个用于检测文本是否由ChatGPT等大型语言模型生成的工具集，核心是发布了Human ChatGPT Comparison Corpus (HC3)数据集，包含人类与ChatGPT对同一问题的回答对。项目提供了基于该数据集的多种检测器实现，包括基于GPT-2、RoBERTa等模型的微调分类器，以及基于统计特征或困惑度的方法。它解决了AI生成内容泛滥带来的溯源和鉴别问题，为研究人员和开发者提供了标准化的基准数据和可复用的检测模型。项目还包含训练、评估和推理的完整代码，支持自定义数据集的扩展，是研究AI文本检测的重要参考资源。

开源 free 对话助手

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 1468

维护状态低维护

是否开源是

定价模式 free

项目数据

分类对话助手

开发团队Hello-SimpleAI

所属国家

官网地址

GitHubhttps://github.com/Hello-SimpleAI/chatgpt-comparison-detection

定价模式free

价格说明开源数据集与检测工具，完全免费，无付费版本。

访问状态

是否开源是

开源协议

主要语言Python

技术栈/模型ai,chatbot,chatgpt,dataset,deep-learning,gpt-3,gpt2,gpt3,machine-learning,ml,nlp,openai,python,text-classification

GitHub 星标★ 1468

30天Star增速

HF 下载量

上线时间2023-01-07 00:00:00

最近更新2026-09-23 00:00:00

维护状态低维护

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数7

使用教程

难度：入门约 10 分钟部署方式：库/依赖 5 步

⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。

环境要求

可访问 GitHub 的网络环境
已安装 git（用于克隆仓库）
可访问 HuggingFace Datasets 或 ModelScope 的网络环境
用于存放 HC3 数据集的本地磁盘空间

安装与启动步骤

1克隆项目仓库

把仓库下载到本地，后续数据集说明和检测器代码都在其中，注意保持目录名不变。
```
git clone https://github.com/Hello-SimpleAI/chatgpt-comparison-detection.git
```
2进入项目目录

切换到克隆下来的仓库根目录，后续操作均在此目录下进行。
```
cd chatgpt-comparison-detection
```
3下载英文 HC3 数据集

README 给出 HuggingFace 上的 HC3-English 地址，在浏览器打开即可浏览或下载数据。
4下载中文 HC3 数据集

中文社区版本托管在 ModelScope，README 给出 HC3-Chinese 地址，按页面提示下载。
5获取论文划分版本

README 说明训练/测试划分及过滤版本见 HC3/README.md 中的 Google Drive 链接，按需下载。

如何确认成功

能打开 HC3 数据集页面并成功浏览/下载数据，且本地已保存对应语料文件，即视为准备完成。

常见问题

Q：HC3 数据集在哪里下载？

A：英文版在 HuggingFace Datasets 的 Hello-SimpleAI/HC3，中文版在 HuggingFace 的 Hello-SimpleAI/HC3-Chinese，也可在 ModelScope 上找到同名数据集。

Q：有中文语料吗？

A：有。项目同时发布了 HC3-Chinese，并已在 ModelScope 中文社区提供下载入口。

Q：论文里用的训练/测试划分在哪？

A：README 指出划分与过滤版本不在主页面下载，需参考 HC3/README.md 中给出的 Google Drive 链接获取。

Q：数据集可以商用吗？

A：若所用源数据集许可证比 CC-BY-SA 更严格，则沿用该源许可证；否则遵循 CC-BY-SA，使用前请逐一核对来源许可。

注意事项

本次 README 节选只包含数据集相关说明，未给出检测器的安装或运行命令，因此步骤仅覆盖数据获取准备。
仓库处于持续更新状态，README 建议 star、watch、fork 以获取最新内容。
HC3 的许可取决于各子数据源许可，使用前请查看 HC3/README.md 中的来源与许可表。

核心亮点

提供首个大规模人类与ChatGPT对比语料库HC3，数据质量高，覆盖多领域。
内置多种检测模型（如GPT-2、RoBERTa），开箱即用，支持快速评估。
代码结构清晰，含训练和推理脚本，便于二次开发和定制。

不足之处

检测器主要针对特定模型（如ChatGPT），对新型LLM的泛化能力有限。
文档和社区支持相对薄弱，更新频率较低。

适用场景

学术研究：分析AI生成文本的语言特征，训练检测模型。
内容审核：识别社交媒体或新闻平台上的AI生成内容。
教育防作弊：检测学生作业是否由ChatGPT代写。

替代项目

GPTZero、OpenAI AI Text Classifier、DetectGPT

项目介绍

chatgpt-comparison-detection 是数据集领域的开源项目，由 Hello-SimpleAI 开发，2023 年首次发布。

在全站 13,014 个收录项目中，它的 GitHub 星标数（1,468）位列前 30%，在数据集分类中处于中上游。

近 45 天，它的 GitHub 星标从 1,425 增加到 1,468，净增 43。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-23。开源数据集与检测工具，完全免费，无付费版本。

它主要面向的使用场景是：学术研究：分析AI生成文本的语言特征，训练检测模型。同类可对比的替代方案包括 GPTZero、OpenAI AI Text Classifier、DetectGPT。

上一篇：Dialog_Corpus

下一篇：MELD