DeGenTWeb: Первый взгляд на доминирующие вебсайты MGT

arXiv: 2605.0087v2 Annuales Type: заменить перекрестное резюме: многие новостные сообщения утверждают, что машинный текст (MGT) из больших языковых моделей (LLMS) захватывает веб-сайт. Однако эти претензии, как правило, не основываются на репрезентативной выборке веб-сайта, и лежащая в их основе методология зачастую является неясной. Поэтому нам не хватает понимания истинной распространенности и характеристик MGT в сети. Мы описываем DeGenTWeb, который систематически идентифицирует сайты MGT-доминант: сайты с информационным содержанием проза в основном MGТ при незначительном вкладе человека. Мы показываем, как адаптировать детекторы MGT для использования на веб-страницах и каким образом агрегировать результаты обнаружения с помощью нескольких страниц на сайте в целях точной классификации на уровне сайта. DeGenTWeb неправильно обозначает лишь 0,12% сайтов, созданных человеком, как доминантные MGT. Мы считаем, что 20,9% объектов, архивированных компанией " Общинный ползок &qt; в период с января по июль 2026 года, и 13,6% сайтов, связанных с результатами поиска Bing в 2025 году, являются доминантами MGT. Этот рисунок