本研究探讨了大型语言模型在识别新闻宣传技巧方面的有效性。结果显示，尽管GPT-4在F1分数上优于GPT-3.5和Claude 3 Opus，但仍不及RoBERTa-CRF基线模型。GPT-3.5和GPT-4在识别特定宣传技巧方面表现较好，显示出其在宣传检测中的潜力。

本文探讨了在政治背景下利用大型语言模型设计宣传检测工具的问题，强调提升偏见意识和个性化选择对改善检测效果的重要性。

该文综述宣传与虚假新闻检测研究，涵盖：定义可解释特征并结合预训练语言模型提升检测效果；利用一阶逻辑注入细粒度宣传知识；构建多语言亲克里姆林宫宣传检测应用；提出检测全部宣传技巧片段的新任务及多粒度神经网络；探索多任务架构与集成方案；用自我批评训练生成虚假新闻数据集PropaNews以提升检测准确率。

该文汇总多篇宣传与虚假新闻检测研究，涵盖利用大语言模型辅助标注以提升一致性、SemEval宣传技巧检测任务、高质量标注数据集HQP与PropaNews的构建、偏颇与虚假新闻风格关联分析、多粒度神经网络及可解释特征方法，以及多语言虚假信息网站数据集的发布，旨在推动检测工具训练。