Klaro

About

🔍 Do czego służy Klaro?
Klaro to osobisty silnik sztucznej inteligencji w Twojej przeglądarce, wyspecjalizowany w jednym, konkretnym celu. To proste w obsłudze narzędzie, które pozwala natychmiast sprawdzić, czy wybrany tekst jest dziełem człowieka, czy został wygenerowany przez algorytmy AI (takie jak ChatGPT, Claude czy Gemini).

Narzędzie działa bezpośrednio na dowolnej stronie internetowej — wystarczy zaznaczyć fragment tekstu, kliknąć prawym przyciskiem myszy i wybrać opcję weryfikacji. Do Klaro możesz również wkleić własny tekst bezpośrednio w oknie aplikacji.

🛡️ Dlaczego warto zainstalować Klaro?
🇵🇱 W przeciwieństwie do większości globalnych detektorów, silnik Klaro został zoptymalizowany i wytrenowany specjalnie pod kątem unikalnej stylistyki oraz struktur składniowych języka polskiego.

🔒 Gwarancja prywatności: Klaro nie wysyła Twoich tekstów na zewnętrzne serwery API. Cała analiza odbywa się w 100% lokalnie na Twoim komputerze. Sprawdzane dokumenty, maile czy artykuły pozostają wyłącznie Twoją własnością.

📈 Wysoka skuteczność: narzędzie utrzymuje 87% skuteczności w starciu z modelami klasy 70B (np. Llama 3.3), oraz osiągnęło 91% skuteczności na walidacyjnym zbiorze tekstów ŚMIGIEL w ramach niezależnego konkursu PolEval 2025.


⚙️ Podstawowe funkcje:
  📊 Wybór prezentacji danych: wynik uproszczony lub dokładny;
  🧩 Skan zdaniowy (zaawansowana detekcja granularna);
  📉 Generowanie i eksport czytelnego wykresu struktury zdań;
  💾 Zapis pełnego raportu analitycznego do pliku logu (.json).

👥 Dla kogo jest Klaro?
Weryfikuj e-maile, raporty, komentarze w social mediach i recenzje produktów. Klaro to narzędzie stworzone dla czytelników, redaktorów, marketerów, studentów oraz wszystkich świadomych użytkowników internetu.

🤓 Dla Geeków
Klaro bazuje na dedykowanym klasyfikatorze transformatorowym. Analizuje wektory zagnieżdżeń (embeddings) oraz mapuje stany ukryte (hidden states) warstw głębokich. Z perspektywy teorii uczenia głębokiego model transformatorowy internalizuje statystykę tekstu poprzez wewnętrzny mechanizm uwagi (Self-Attention). Skuteczny model udało się z powodzeniem zaimplementować w rozszerzeniu dzięki zastosowaniu kwantyzacji INT8 wag modelu oraz wykorzystaniu środowiska uruchomieniowego WebAssembly (WASM).