基于 BERT 微调的中文 AI 生成文本检测系统

随着 ChatGPT 等大语言模型的快速普及，AI 生成文本在学术写作、新闻报道、社交媒体等领域广泛渗透，由此引发的学术诚信、虚假信息传播等问题日益严峻。如何准确区分人类撰写与 AI 生成的中文文本，已成为自然语言处理领域的重要研究课题。

本研究以 BERT-base-chinese 为基础模型，通过数据清洗、弱域增补、边界修复等风险治理策略构建高质量训练数据集，并采用微调方法训练面向中文文本的 AI 生成内容检测器。最终模型 bert_v11c_boundary_fix 在三个评估集上取得 98.56% 的平均准确率，独立评估集准确率达 98.57%，同时通过 Temperature Scaling 校准（T=0.8165, ECE=0.0034）实现了可靠的置信度输出。

本系统保留基于 Token 级分类的边界检测模块，可为混合文本（人类+AI）提供辅助性的内容转换位置分析。整体系统以 FastAPI 提供后端服务，前端基于 Next.js 构建交互式演示界面。