本研究提出了一种名为TruEDebate (TED) 的多智能体系统，通过模拟辩论过程提高假新闻检测的有效性和可解释性。研究表明，TED能够更全面地评估新闻内容，提升假新闻识别的准确率。

本研究提出了一种新方法FNDCD，用于社交媒体上的假新闻检测。该方法通过因果分析和重加权策略降低偏见影响，提升未见假新闻的检测效果，实验结果表明其显著提高了模型的泛化能力。

本研究提出了ERIC-FND框架，旨在解决多模态假新闻检测中的信息利用不足和可信度低的问题。通过增强外部信息和多模态交互，该模型在Twitter和微博数据集上超越了现有技术，提高了假新闻检测的准确性。

本研究探讨了改善假新闻检测模型泛化能力的特征，特别是应对粗略标记数据的偏差。通过分析风格特征和社会货币化特征，提出了一种新方法，增强模型在现实世界中的鲁棒性。研究表明，这些新特征能提供更具泛化性的预测，推动假新闻检测的进步。

本研究提出了一种基于大型语言模型的假新闻检测框架，结合文本统计特征和深层语义特征，通过混合注意力机制提高假新闻识别效果。实验结果显示，该模型在WELFake数据集上的F1分数提升了1.5%。

本研究针对低资源语言（如孟加拉语）假新闻检测中的数据和工具不足，提出了BanFakeNews-2.0数据集，包含47,000条真实新闻和13,000条假新闻。通过先进的深度学习模型，检测精度显著提高，推动相关研究和应用的发展。

本研究探讨了假新闻检测中BERT类模型与大型语言模型的性能差异。结果显示，BERT类模型在分类任务上表现更佳，而大型语言模型在文本干扰的鲁棒性上更强，强调了AI标注与人工监督结合的有效性。

本研究提出了一种新的假新闻检测模型CSDA，针对社交媒体上的假新闻问题。该模型通过提取因果子结构和少量OOD数据的对比学习，显著提高了检测准确性，实验结果显示其准确率比其他模型提升了7到16个百分点。

本研究开发了FASSILA语料库，包含10,087个句子和19,497个词汇，旨在解决阿尔及利亚方言在假新闻检测和情感分析中的注释不足问题。通过高质量的标注和分类实验，取得了良好的效果。

本文探讨了假新闻检测的多种方法，包括结合大型语言模型和传统机器学习的FakeWatch框架，利用北美选举数据集提高分类模型的准确性和适应性。此外，提出了动态分析与自适应鉴别器（DAAD）和MAPX框架，以优化检测能力并适应社交媒体内容的变化。研究表明，集成学习方法在低资源语言环境下的假新闻检测中表现优异。

本研究探讨了在线社交媒体内容可信度的自动评估现状，分析了175篇相关论文，强调了文本可信度信号与自然语言处理的关系。研究表明，基于细粒度可信度信号的方法在解释性和可用性上优于传统假新闻检测。

本文介绍了多模态假新闻检测模型，利用视频、音频和文本特征进行情感分析和假新闻识别。研究表明，结合迁移学习、跨模态对比学习和数据增强技术，可以显著提高检测准确性和模型的泛化能力。

本文研究可解释模型的解释方法，提出AXPLR方法以提取易懂的解释，并进行实证评估。研究了论证四元组提取、定量推理解释及其在假新闻检测和推荐系统中的应用，提出新的基准工具BEExAI以评估可解释性方法的质量。

该论文探讨了维基百科用户封禁行为的预测、在线社区评论删除的影响、假新闻检测和社交媒体内容审核等主题，提出了多种优化内容管理和审核的模型与方法，并强调了大型语言模型在毒性检测中的潜力与局限性。

本文介绍了一种基于多模态信息的假新闻检测方法（SAFE），通过提取文本和视觉特征有效识别假新闻。研究提出了自适应交互融合网络（AIFN）和多粒度多模态融合网络，均在多个数据集上表现优异。此外，开发了鲁棒领域与多模态方法（RDCM）和M-DRUM模型，进一步提升了假新闻检测的准确性。

本文介绍了多种基于大型语言模型（LLMs）和多模态深度学习的创新框架，如Tree-GPT、WorldGPT和FakeNewsGPT4，旨在提升数据分析、假新闻检测和图像质量评估的效率。这些模型在森林遥感、医学成像和科学成像等领域表现优异，展示了LLMs在复杂情境理解和预测中的潜力。

本文研究了大型语言模型（LLMs）在假新闻检测中的应用，发现现有检测器对机器生成内容存在偏见。提出结合对抗训练与真实新闻的策略，显著提高检测准确性。同时，强调了人本评估的重要性及LLMs生成的误导信息的危害性，探讨了相关伦理问题。

本研究探讨了人工撰写与机器生成文章的差异及政治偏见检测，发现大语言模型（LLMs）存在显著偏见。研究分析了LLMs在新闻标题生成中的应用，强调人类与模型的互动能提高输出质量，同时指出LLMs在假新闻检测中的局限性，并提出改进策略。整体上，研究强调技术与伦理的结合，呼吁对LLMs进行更深入的评估与去偏见化。

本文研究了大型语言模型在假新闻检测中的应用，发现现有检测器对机器生成内容存在偏见。提出了Style-News框架，通过分析出版商元数据提高检测准确性，并发布了新数据集以推动研究。同时，设计了自适应启示指导网络（ARG）以改善检测效果，强调了结合小型和大型语言模型的优势。