<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>Детекция AI-Текстов on AI-Uchi — Всё об искусственном интеллекте</title><link>/tags/%D0%B4%D0%B5%D1%82%D0%B5%D0%BA%D1%86%D0%B8%D1%8F-ai-%D1%82%D0%B5%D0%BA%D1%81%D1%82%D0%BE%D0%B2/</link><description>Recent content in Детекция AI-Текстов on AI-Uchi — Всё об искусственном интеллекте</description><generator>Hugo</generator><language>ru</language><lastBuildDate>Fri, 17 Jul 2026 03:08:33 +0300</lastBuildDate><atom:link href="/tags/%D0%B4%D0%B5%D1%82%D0%B5%D0%BA%D1%86%D0%B8%D1%8F-ai-%D1%82%D0%B5%D0%BA%D1%81%D1%82%D0%BE%D0%B2/index.xml" rel="self" type="application/rss+xml"/><item><title>Классический ML против ИИ-текстов: точность 85% без нейросетей</title><link>/news/klassicheskiy-ml-dlya-opredeleniya-ai-tekstov/</link><pubDate>Fri, 17 Jul 2026 03:08:33 +0300</pubDate><guid>/news/klassicheskiy-ml-dlya-opredeleniya-ai-tekstov/</guid><description>&lt;h2 id="классический-ml-справляется-с-задачей-лучше-чем-ожидалось"&gt;Классический ML справляется с задачей лучше, чем ожидалось&lt;/h2&gt;
&lt;p&gt;По состоянию на начало 2026 года тексты, генерируемые современными LLM (Large Language Models — большими языковыми моделями), обладают настолько устойчивыми статистическими паттернами, что их можно эффективно отличать от написанных человеком с помощью традиционных методов машинного обучения. Именно это доказал разработчик под ником lyc8503, опубликовавший детальный разбор своего эксперимента на личном блоге. Онлайн-демо проекта доступно по адресу lyc8503.github.io/AITextDetector, а точность классификации на уровне отдельного предложения составила около 85% на тестовой выборке.&lt;/p&gt;</description></item></channel></rss>