Cât de precis este Detectorul AI ZeroTell?

Detectorul AI ZeroTell trimite fiecare propoziție a unui text către modelul Gemini 3.8 Flash de la Google, împreună cu instrucțiunile noastre de punctare. O propoziție care primește 50% sau mai mult este evidențiată ca fiind de tip AI, iar scorul documentului este proporția din textul său care se află în propoziții evidențiate. Pe 28 octombrie 2026 am măsurat exact modelul și setările folosite de site pe trei seturi de test etichetate. Fiecare cifră de mai jos provine direct din raportul de evaluare generat de scriptul nostru de testare; cităm doar grupurile cu cel puțin 200 de documente sau propoziții.

Două rezultate contează cel mai mult. Scrisul uman este rareori semnalat: 0,6 % dintre documentele umane din setul ținut deoparte și 0,9 % dintre eseurile scrise de studenți care nu sunt vorbitori nativi de engleză. Însă textul AI parafrazat de un alt model este ratat mult mai des în datele noastre: doar 71,1 % dintre astfel de documente au fost prinse în setul ținut deoparte. Pe benchmark-ul public MAGE, același tip de text a fost prins mult mai des (96,9 %), așa că rezultatele depind puternic de text.

Set de testare held-out (1.827 documente, 23.635 propoziții): o parte fixă din datele noastre etichetate, pe care nu o folosim niciodată pentru dezvoltarea detectorului. Documentele sunt atribuite pe grupuri de sursă, astfel încât niciun text sursă din datele noastre de dezvoltare și niciuna dintre rescrierile sale AI nu apare aici. Textele umane provin din surse publicate, majoritatea scrise înainte ca instrumentele de scriere AI să fie răspândite (știri, articole de enciclopedie și de web, răspunsuri umane la întrebări); textele AI includ rezultate de model needitate, text parafrazat de un al doilea model, schițe umanizate și documente mixte, în 10 limbi. Majoritatea documentelor AI din acest set au fost scrise de modele Gemini și GPT.

Eseuri ale studenților (555 documente): eseuri ale unor studenți vorbitori nativi de altă limbă decât engleza, din corpusul ELLIPSE, împreunate cu eseuri AI scrise pe aceleași subiecte și cu eseuri AI care au fost apoi parafrazate sau umanizate. Acest set este folosit doar pentru evaluare, niciodată pentru dezvoltarea detectorului.

Benchmark-ul MAGE (1.600 documente): un benchmark public de cercetare pentru text generat de mașină, pe care nu l-am folosit pentru dezvoltarea detectorului. Include text AI din familii de modele care nu se află în datele noastre și o proporție mare de text AI parafrazat. Deoarece benchmark-ul este public, modelul Gemini subiacent poate să fi văzut părți din el în timpul antrenării sale, așa că citiți rezultatele ca pe un caz optimist.

Acestea sunt rezultate pe seturile noastre de testare, nu o garanție pentru un anumit text. Textele scurte, schițele editate intens, textul AI parafrazat și scrierile din modele pe care nu le-am testat pot obține scoruri diferite.

O rată scăzută de fals pozitive nu este zero. Dacă sunteți semnalat, tratați scorul ca pe un motiv de a privi mai atent, nu ca pe o dovadă — consultați pagina noastră Integritate academică pentru ce să faceți.

Numerele sunt legate de un singur model și de o singură versiune a modului în care textul îi este trimis. Când schimbăm oricare dintre ele, rulăm din nou evaluarea și înlocuim acest raport.

Un script de evaluare trimite fiecare document de test prin același detector pe care îl folosește site-ul, apoi compară scorul fiecărui document și al fiecărei propoziții cu eticheta cunoscută. Raportează rezultate la două praguri (50%, cel folosit de site, și 70% pentru comparație), pe limbă, gen și sursă, și marchează orice grup cu mai puțin de 200 de elemente ca fiind prea mic pentru a fi citat. Această pagină arată doar grupurile mai mari. Documentele pe care filtrul de conținut al Google a refuzat să le proceseze nu au scor și sunt excluse din numere: 1 în setul held-out, 0 printre eseurile studenților și 1 în MAGE. Toate celelalte documente au fost punctate.