TruthLens 檢測模型
供 TruthLens 使用的端上推論模型。 全部推論在瀏覽器內完成（onnxruntime-web，WASM／WebGPU），文件內容不上傳。
托管於此而非 GitHub Releases 的原因：GitHub Releases 的資產不回
access-control-allow-origin，瀏覽器 fetch() 會被 CORS 阻擋。
mbert_detector_int8.onnx（129 MiB）
多語言 AI 內容偵測器。底座 distilbert-base-multilingual-cased（104 語言，
WordPiece），以 HC3 英文 + 中文微調，INT8 量化。
| 語言 | 真人均值 | AI 均值 | AUC | 命中率 | 誤傷率 |
|---|---|---|---|---|---|
| 中文 | 0.076 | 1.000 | 1.000 | 100.0% | 7.5% |
| 英文 | 0.040 | 1.000 | 1.000 | 100.0% | 3.3% |
分布外（非 HC3 手寫樣本）4 題對 3：中文真人 ✓、中文 AI 制式文 0.994 ✓、 英文真人 ✓、英文 AI 論說文 0.004 ✗（HC3 英文為問答體，論說文屬體裁外推）。
- tokenizer：
bert-wordpiece（mbert_detector_tokenizer.json） - AI 類別索引：
1（id2label = {0: human, 1: ai}） - 輸入：
input_ids、attention_mask - 驗證集：accuracy 0.984 / precision 0.969 / recall 0.999 / F1 0.983
分布內的 AUC 1.000 是同分布的樂觀值，不是上線後的預期表現。 訓練語料為 HC3（2022 年 ChatGPT 世代），對 2026 年的模型輸出未經驗證。
qwen05b_ppl_int8.onnx（488 MiB）
多語言困惑度模型，取代 DistilGPT2。轉檔來源
onnx-community/Qwen2.5-0.5B
的 onnx/model_int8.onnx。
DistilGPT2 只在英文語料上訓練，對中文量到的是 UTF-8 位元組的可預測性， 不是語言的可預測性：
| 模型 | 中文 AUC | 英文 AUC |
|---|---|---|
| DistilGPT2 | 0.50（毫無鑑別力） | 0.996 |
| Qwen2.5-0.5B | 0.965 | 0.988 |
門檻以本 INT8 產物量測（量化會位移困惑度尺度，fp32 的值不能沿用）， 偽陽性預算 5%：
| 語言 | 真人中位數 | AI 中位數 | aiCut | humanCut | 命中率 | 誤傷率 |
|---|---|---|---|---|---|---|
| 中文 | 56.3 | 9.2 | 11.19 | 18.67 | 75.0% | 5.0% |
| 英文 | 30.6 | 4.9 | 11.45 | 11.45 | 100% | 2.5% |
執行需求（transformers.js 建置會把 KV cache 攤成獨立輸入）：
position_ids：需要past_key_values.{0..23}.key/.value：24 層、kv_heads 2、head_dim 64- 空張量形狀
[batch, 2, 0, 64]，dtype float32
重現方式
cd training
.venv/bin/python evaluate_detector.py # 偵測器逐語言評測
.venv/bin/python calibrate_perplexity.py # DistilGPT2 門檻
.venv/bin/python calibrate_multilingual_ppl.py --onnx ... # 多語模型門檻
授權與資料來源
模型權重 Apache-2.0。微調資料為 HC3（Hello-SimpleAI），研究用途。