🎓 畢業專題成品 — 這是真實部署的機器學習模型（非模擬資料）｜回作品集
Capstone Project · Live Demo

中文 AI 文章辨識系統

判別一段中文文章是「AI 生成」還是「人工撰寫」。本頁呼叫的是畢業專題實際訓練出的 符號特徵 + Logistic Regression 模型，透過 85 維中文語言特徵 （標點分布、句長變異、量詞/助詞比例、成語使用、字元熵⋯⋯）進行段落級推論。

{{ (info.val_accuracy*100).toFixed(1) }}%驗證集準確率
{{ (info.val_f1*100).toFixed(1) }}%F1 分數
{{ info.features }}語言特徵維度
{{ info.dataset.total.toLocaleString() }}訓練樣本（AI {{ info.dataset.ai.toLocaleString() }}／人工 {{ info.dataset.human.toLocaleString() }}）
推論管線：{{ s }}
{{ text.length.toLocaleString() }} 字

{{ error }}

關於這個展示
・模型為畢業專題 18 個比較模型中的 symbol_logistic_regression（純語言特徵，非深度學習）， 以本地 LLM 生成的 AI 新聞與真實新聞共 4,548 段訓練，驗證準確率 87.96%。專題中最佳模型為 MacBERT fine-tuning（92.22%），因其推論需 GPU/大記憶體，本機（2014 年 NUC）改部署輕量模型。
・訓練語料為「新聞文章」，輸入新聞類中文文本的判別效果最佳；散文、對話、翻譯腔文本可能失準。
・人工撰寫範例取自 2010 年（生成式 AI 問世前）之真實新聞：維基新聞〈台灣選手楊淑君亞運遭判失格引發爭議〉（CC BY 2.5）。
・推論全程在自架伺服器完成，文本不會被保存。