该文综述多项研究：利用无监督学习从新闻语料中发现媒体选择偏差；构建波斯语重要新闻数据集Khabarchin；通过“翻译-检索-翻译”方法引入常识以预测政治极性；比较微调模型与大语言模型在可信度主张检测上的表现，发现跨域场景下微调模型更优；采用偏见敏感数据增强提升句子级偏见检测；提出终身学习多语言假新闻检测方法；发现检测器对机器生成假新闻存在偏差；借助SemEval-2023分析写作技巧；用GPT-3.5摘要新闻以预测股价；结合COMET与标题情感识别传播障碍。