Buchumschlag

Can professional translators identify machine-generated text?

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Farrell, Michael
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Computation and Language Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Can postgraduate translation students identify machine-generated text?
von: Farrell, Michael
Veröffentlicht: (2025)

Benchmark of stylistic variation in LLM-generated texts
von: Milička, Jiří, et al.
Veröffentlicht: (2025)

Are generative AI text annotations systematically biased?
von: Stolwijk, Sjoerd B., et al.
Veröffentlicht: (2025)

Toward domain-specific machine translation and quality estimation systems
von: Sharami, Javad Pourmostafa Roshan
Veröffentlicht: (2026)

Automated evaluation of LLMs for effective machine translation of Mandarin Chinese to English
von: Zhang, Yue, et al.
Veröffentlicht: (2026)

Differentially-private text generation degrades output language quality
von: Çano, Erion, et al.
Veröffentlicht: (2025)

Investigating the potential of Sparse Mixtures-of-Experts for multi-domain neural machine translation
von: Chirkova, Nadezhda, et al.
Veröffentlicht: (2024)

ReadCtrl: Personalizing text generation with readability-controlled instruction learning
von: Tran, Hieu, et al.
Veröffentlicht: (2024)

The power of text similarity in identifying AI-LLM paraphrased documents: The case of BBC news articles and ChatGPT
von: Xylogiannopoulos, Konstantinos, et al.
Veröffentlicht: (2025)

Beyond speculation: Measuring the growing presence of LLM-generated texts in multilingual disinformation
von: Macko, Dominik, et al.
Veröffentlicht: (2025)

Using LLMs to identify features of personal and professional skills in an open-response situational judgment test
von: Walsh, Cole, et al.
Veröffentlicht: (2025)

From text to multimodal: a survey of adversarial example generation in question answering systems
von: Yigit, Gulsum, et al.
Veröffentlicht: (2023)

MedReadCtrl: Personalizing medical text generation with readability-controlled instruction learning
von: Tran, Hieu, et al.
Veröffentlicht: (2025)

Humans can learn to detect AI-generated texts, or at least learn when they can't
von: Milička, Jiří, et al.
Veröffentlicht: (2025)

Ukrainian-to-English folktale corpus: Parallel corpus creation and augmentation for machine translation in low-resource languages
von: Burda-Lassen, Olena
Veröffentlicht: (2024)

Auto prompt sql: a resource-efficient architecture for text-to-sql translation in constrained environments
von: Tang, Zetong, et al.
Veröffentlicht: (2025)

Not all tokens are created equal: Perplexity Attention Weighted Networks for AI generated text detection
von: Miralles-González, Pablo, et al.
Veröffentlicht: (2025)

Stylometry recognizes human and LLM-generated texts in short samples
von: Przystalski, Karol, et al.
Veröffentlicht: (2025)

Neural machine translation of clinical procedure codes for medical diagnosis and uncertainty quantification
von: Chung, Pei-Hung, et al.
Veröffentlicht: (2024)

<think> So let's replace this phrase with insult... </think> Lessons learned from generation of toxic texts with LLMs
von: Pletenev, Sergey, et al.
Veröffentlicht: (2025)

People who frequently use ChatGPT for writing tasks are accurate and robust detectors of AI-generated text
von: Russell, Jenna, et al.
Veröffentlicht: (2025)

Kill two birds with one stone: generalized and robust AI-generated text detection via dynamic perturbations
von: Zhou, Yinghan, et al.
Veröffentlicht: (2025)

Can pre-trained language models generate titles for research papers?
von: Rehman, Tohida, et al.
Veröffentlicht: (2024)

Can reasoning models comprehend mathematical problems in Chinese ancient texts? An empirical study based on data from Suanjing Shishu
von: Liu, Chang, et al.
Veröffentlicht: (2025)

Explained anomaly detection in text reviews: Can subjective scenarios be correctly evaluated?
von: Novoa-Paradela, David, et al.
Veröffentlicht: (2023)

Child vs. machine language learning: Can the logical structure of human language unleash LLMs?
von: Sauerland, Uli, et al.
Veröffentlicht: (2025)

Can machines perform a qualitative data analysis? Reading the debate with Alan Turing
von: De Paoli, Stefano
Veröffentlicht: (2025)

Abusive text transformation using LLMs
von: Chandra, Rohitash, et al.
Veröffentlicht: (2025)

Evil twins are not that evil: Qualitative insights into machine-generated prompts
von: Rakotonirina, Nathanaël Carraz, et al.
Veröffentlicht: (2024)

LLMs can hide text in other text of the same length
von: Norelli, Antonio, et al.
Veröffentlicht: (2025)

PAGE: Prompt Augmentation for text Generation Enhancement
von: Pacchiotti, Mauro Jose, et al.
Veröffentlicht: (2025)

Serialized EHR make for good text representations
von: Chou, Zhirong, et al.
Veröffentlicht: (2025)

UMBCLU at SemEval-2024 Task 1A and 1C: Semantic Textual Relatedness with and without machine translation
von: Dipta, Shubhashis Roy, et al.
Veröffentlicht: (2024)

Large language models struggle with ethnographic text annotation
von: Goodall, Leonardo S., et al.
Veröffentlicht: (2026)

Beyond checkmate: exploring the creative chokepoints in AI text
von: Tripto, Nafis Irtiza, et al.
Veröffentlicht: (2025)

VNJPTranslate: A comprehensive pipeline for Vietnamese-Japanese translation
von: Phan, Hoang Hai, et al.
Veröffentlicht: (2025)

Can generative AI figure out figurative language? The influence of idioms on essay scoring by ChatGPT, Gemini, and Deepseek
von: Oğuz, Enis
Veröffentlicht: (2025)

Can AI Be as Creative as Humans?
von: Wang, Haonan, et al.
Veröffentlicht: (2024)

Towards the Holographic Characteristic of LLMs for Efficient Short-text Generation
von: Qian, Shun, et al.
Veröffentlicht: (2026)

Detecting value-expressive text posts in Russian social media
von: Milkova, Maria, et al.
Veröffentlicht: (2023)