大型语言模型的幻觉可用性？基于大型语言模型的负向推理用于假新闻检测

本研究探讨了大型语言模型（LLM）产生的知识幻觉在假新闻检测中的可用性，填补了相关研究的空白。我们提出了一种新的监督自我增强推理纠正方法SR$^3$，通过语义一致性学习生成合理推理和错误理解，并构建了基于负向推理的新闻学习模型NRFE。实验结果表明，该方法在假新闻检测上优于多种基线方法，展示了其显著的提升潜力。