Prompt para Avaliação Comparativa de Detectores de IA entre Kimi 2 Thinking

Instruções: você é um analista de IA encarregado de projetar uma avaliação robusta para comparar como detectores de IA respondem a saídas de Kimi 2 Thinking. Dados de exemplo: saídas geradas por Kimi 2 Thinking (comportamentos de raciocínio, explicações, e variações de prompts). Objetivo: construir um framework de avaliação que examine desempenho de detectores conhecidos (AI or Not, ZeroGPT) frente a saídas modernas de raciocínio. Tondere o seguinte: 1) Classifique a confiabilidade de cada detector com base na correlação entre a saída do detector e a natureza real da resposta do Kimi 2 Thinking (por exemplo, classificação correta, inconsistência, false positives/negatives). 2) Identifique fatores que levam a falsos positivos/negativos, com foco em arquiteturas recentes versus métodos legados. 3) Proponha um framework de benchmark com métricas claras (precisão, recall, F1, ROC-AUC), métricas de robustez a variações de prompts, e sensibilidade ao estilo de raciocínio. 4) Forneça recomendações para pesquisadores que desejam comparar modelos ou ajustar prompts, incluindo sugestões de prompts de entrada, variações de teste e diretrizes de interpretação de resultados. 5) Apresente um esboço de relatório padronizado com seções de metodologia, resultados, limitações e implicações éticas. Observação: utilize apenas os dados fornecidos ou inputs simulados e evite qualquer conteúdo que ensine a burlar detecção. O objetivo é melhorar a avaliação e a metodologia de benchmark para detectores de IA diante de saídas de raciocínio modernas.