本文介绍了一种基于大型语言模型（LLM）的真实性检测方法，旨在提高文本的可靠性。研究通过高质量的真/假语句数据集，分析LLM对真实性的表示结构，发现其线性表示事实的真实性或虚假性。提出的质量均值推断法具有更好的推广性，并探讨了LLM的幻觉问题，提出自我评估和自对齐方法以增强事实准确性。

本文提出了一种基于学习的方法来检测真实和虚假的deepfake多媒体内容。通过分析音频和视觉模态的相似性以及情感线索，推断输入视频的真实性。实验结果表明，该方法在DeepFake-TIMIT和DFDC数据集上的AUC分别达到了84.4％和96.6％。