TELLER：一个可信的、泛化的、可控的假新闻检测框架
原文中文，约300字，阅读约需1分钟。发表于：。通过使用追求解释性、泛化性和可控性的认知系统和决策系统的双系统框架，我们提出了一种可信的假新闻检测方法，该方法使用人类专业知识生成逻辑谓词来指导大型语言模型生成可读的逻辑原子，并通过推导可泛化的逻辑规则来对这些原子进行聚合，从而实现对不同领域的输入新闻真实性进行识别和提升决策过程的透明度。
在大语言模型 (LLMs) 时代，假新闻检测器存在偏见，更容易将LLMs生成的内容标记为假新闻。为解决此问题，引入对抗训练与LLMs重写真实新闻相结合的缓解策略，提高检测准确性。发布两个数据集“GossipCop++”和“PolitiFact++”，结合经验证的文章与LLMs生成的假新闻和真实新闻。
