自动事实核查利用大型语言模型（LLMs）如GPT-4，提高了虚假信息验证的能力。研究表明，LLMs在事实核查任务中表现出色，但准确性受查询语言和主张真实性的影响。FACT-GPT系统通过索引匹配实现自动化事实核查，准确性接近人类判断。尽管LLMs在大多数场景中表现良好，但在中文验证中仍面临挑战，需要进一步研究以增强其可靠性。

本文探讨大型语言模型（LLMs）的写作特征及其在事实检查中的潜力，比较了专有与开源模型的异同。研究发现，LLMs在特定任务中表现良好，但在中文事实验证方面存在挑战。同时评估了LLMs在创意写作中的辅助作用，强调其在科学研究中的应用与局限性。

自动事实核查利用大型语言模型（LLMs）如GPT-4验证信息，显示出潜力。研究表明，LLMs在提供上下文信息时表现更佳，但准确性仍不稳定，尤其在中文验证中面临挑战。尽管提高了效率，但在高风险环境中不应过度依赖。未来研究需关注其局限性和改进方案，以增强其作为可靠事实检查工具的能力。