# CHEAT: A Large-scale Dataset for Detecting ChatGPT-writtEn AbsTracts

**Authors:** Peipeng Yu, Jiahan Chen, Xuan Feng, Zhihua Xia  
**arXiv:** [2304.12008](https://arxiv.org/abs/2304.12008)  
**Date:** 2023-04-24  
**Summary page:** https://www.summarizepaper.com/fr/paper/2304.12008v1/

## Key points

- Le puissant pouvoir de ChatGPT suscite une vive inquiétude parmi la communauté académique.
- Les utilisateurs malveillants pourraient synthétiser du contenu académique faux grâce à ChatGPT, ce qui serait préjudiciable à l'exactitude et à l'originalité académiques.
- La nécessité de développer des algorithmes de détection du contenu généré par ChatGPT appelle à la création d'importants ensembles de données.
- Un ensemble de données d'abstracts écrits par ChatGPT à grande échelle (CHEAT) a été créé pour soutenir le développement d'algorithmes de détection.
- L'ensemble de données CHEAT comprend 35 304 abstracts synthétiques avec Generation, Polish et Mix comme principaux représentants.
- Les abstracts écrits par ChatGPT peuvent être détectés mais la difficulté augmente avec l'intervention humaine.
- Il y a eu un regain d'intérêt pour la recherche sur les moyens permettant de repérer le contenu généré par ChatGPT.
- Plusieurs ensembles de données ont été construits pour les scénarios question-réponse et requête, ainsi que pour analyser la qualité du texte produit par ChatGPT avec une petite quantité de donnée.
- Cependant, il n'existe pas encore un ensemble suffisamment grand pour soutenir le développement des algorithmes visant à repérer les abstracts produits par ChatGPT.
- Dans cet article, on se concentre sur la nécessité pratique qu'il y a à générer des abstracts produits par ChatGPT à grande échelle diversifiée en explorant différentes méthodes telles que generation, polish et mix.

## Summary

Le puissant pouvoir de ChatGPT suscite une vive inquiétude parmi la communauté académique. Les utilisateurs malveillants pourraient synthétiser du contenu académique faux grâce à ChatGPT, ce qui serait très préjudiciable à l'exactitude et à l'originalité académiques. La nécessité de développer des algorithmes de détection du contenu généré par ChatGPT appelle à la création d'importants ensembles de données. Dans cet article, nous examinons d'abord les effets négatifs potentiels de ChatGPT sur le monde universitaire et présentons un ensemble de données d'abstracts écrits par ChatGPT à grande échelle (CHEAT) pour soutenir le développement d'algorithmes de détection. En particulier, l'ensemble de données CHEAT comprend 35 304 abstracts synthétiques avec Generation, Polish et Mix comme principaux représentants. Sur la base des données fournies, nous effectuons une analyse approfondie des algorithmes existants pour la détection du texte synthétisée. Nous montrons que les abstracts écrits par ChatGPT peuvent être détectés mais que la difficulté augmente avec l’intervention humaine. En raison des inquiétudes croissantes concernant ChatGPT, il y a eu un regain d’intérêt pour la recherche sur les moyens permettant de repérer le contenu générée par ce logiciel. La disponibilité des ensembles de donnée à grande échelle est un facteur important facilitant le développement des moyens visant à repérés le contenu générée par ChatGPT. Jusqu’à maintenant plusieurs ensembles ont étés construits pour les scénarios question-réponse et requête (Guo et al., 2023 ; Mitrovi´c et al., 2023). Certaines études ont également analyser la qualité du texte produit par chatgpt avec une petite quantité de donnée (Huang et al., 2023 ; Cao et al., 2023 ; Gao et al., 2022). Cependant en raison des limites imposés par OpenAI il n’existe pas encore un ensemble suffisamment grand pour soutenir le développement des algorithmes visant à repérés les abstracts produits par chatgpt . Dans cet article on se concentre sur la nessesité pratique qu’il y a à génerer des abstracts produits par chatgpt à grande échelle diversifiée . On explore diffèrentes moyens permettant la synthèse des abstract via chatgpt notamment generation , polish and mix .