BriefGPT - AI 论文速递
·
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。
📝
内容提要
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。
🎯
关键要点
-
在大语言模型时代，假新闻检测器存在显著偏见。
-
假新闻检测器更容易将LLMs生成的内容标记为假新闻。
-
常常误将人类撰写的假新闻分类为真实。
-
为了解决问题，引入对抗训练与LLMs重写真实新闻的缓解策略。
-
该策略显著提高了检测准确性。
-
发布了两个数据集：GossipCop++和PolitiFact++。
-
数据集结合了经人工验证的文章与LLMs生成的假新闻和真实新闻。
🏷️
