阿英双语对抗性抄袭检测数据集PlagiaCorpus发布

事件综述根据 1 篇报道整理，11月3日更新

沙特阿拉伯苏丹王子大学RIOTU实验室团队在arXiv发布PlagiaCorpus，一个阿拉伯语—英语双语抄袭与文本复用检测基准数据集，用于评测跨语言复用和大语言模型生成的复用文本。数据集共198,643条文本记录，含34,885条源段落和163,758条查询。 数据集以JSON和Parquet格式发布，采用CC BY-SA 4.0许可，再分发及改编版本须保留署名并以相同许可发布；生成、算法混淆、LLM提示、筛选、划分和统计验证所用的Python代码已在GitHub公开，数据集托管于Hugging Face。该成果为预印本，尚未见同行评审或复现结果。

综述由模型根据报道生成，细节以各篇原文为准。