MIT-IBM Watson AI Lab 与 HarvardNLP 的 GLTR（ACL 2019 Demo）：按每个词在语言模型下的预测排名上色（Top-10 绿、Top-100 黄、Top-1000 红、其余紫）并给三张直方图，让人肉眼看到「一片绿 = 太可预测」。论文称人类受试者借助它判别生成文本的准确率由约 54% 升至 72% 以上。最适合做本站的教学演示：把高亮段为什么可疑讲给学生看。Star 数未在检索结果中给出，不标注。
适用场景：做 AIGC 原理科普页/演示工具的内容运营与教师
GitHub GLTR 可视化 教学演示
操作步骤
- 仓库地址（论文正文脚注给出）：https://github.com/HendrikStrobelt/detecting-fake-text
- 用其基于 GPT-2 的演示跑一段英文 AI 文本与一段真人文本，对照颜色分布讲困惑度。
- 中文论文只能借概念，不能拿它的分数做判定。
改写前（构造示例）
改写前（构造示例）
不适用（项目条目）
改写后（构造示例）
改写后（构造示例）
不适用（项目条目）
它演示的正是条目 1 的原理：真人文本用词分布更宽，生成文本扎堆在高概率区。
开源项目信息
注意事项
- ⚠️ 基于 GPT-2 时代模型，对当代大模型文本仅有教学参考价值。
- ⚠️ 颜色多 ≠ 定罪，官方定位就是辅助人判断的取证可视化。