Fugu-MT 論文翻訳(概要): Automated Claim Matching with Large Language Models: Empowering Fact-Checkers in the Fight Against Misinformation

論文の概要: Automated Claim Matching with Large Language Models: Empowering Fact-Checkers in the Fight Against Misinformation

arxiv url: http://arxiv.org/abs/2310.09223v1
Date: Fri, 13 Oct 2023 16:21:07 GMT
ステータス: 処理完了
システム内更新日: 2023-10-16 11:59:32.032330
Title: Automated Claim Matching with Large Language Models: Empowering Fact-Checkers in the Fight Against Misinformation
Title（参考訳）: 大規模言語モデルと自動クレームマッチング:誤情報対策におけるファクトチェッカーの活用
Authors: Eun Cheol Choi and Emilio Ferrara
Abstract要約: FACT-GPTは、大規模言語モデルを用いたファクトチェックのクレームマッチングフェーズを自動化するために設計されたフレームワークである。このフレームワークは、ファクトチェッカーによって以前否定された主張を支持したり、否定したりする新しいソーシャルメディアコンテンツを識別する。 FACT-GPTを公衆衛生に関連するソーシャルメディアコンテンツのデータセットとして評価した。
参考スコア（独自算出の注目度）: 11.323961700172175
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In today's digital era, the rapid spread of misinformation poses threats to public well-being and societal trust. As online misinformation proliferates, manual verification by fact checkers becomes increasingly challenging. We introduce FACT-GPT (Fact-checking Augmentation with Claim matching Task-oriented Generative Pre-trained Transformer), a framework designed to automate the claim matching phase of fact-checking using Large Language Models (LLMs). This framework identifies new social media content that either supports or contradicts claims previously debunked by fact-checkers. Our approach employs GPT-4 to generate a labeled dataset consisting of simulated social media posts. This data set serves as a training ground for fine-tuning more specialized LLMs. We evaluated FACT-GPT on an extensive dataset of social media content related to public health. The results indicate that our fine-tuned LLMs rival the performance of larger pre-trained LLMs in claim matching tasks, aligning closely with human annotations. This study achieves three key milestones: it provides an automated framework for enhanced fact-checking; demonstrates the potential of LLMs to complement human expertise; offers public resources, including datasets and models, to further research and applications in the fact-checking domain.
Abstract（参考訳）: 今日のデジタル時代には、誤報が急速に広まり、公衆の幸福と社会的信頼が脅かされる。オンラインの誤報が増加するにつれ、ファクトチェッカーによる手動検証はますます困難になりつつある。我々は,大規模言語モデル(llms)を用いたファクトチェックのファクトチェックフェーズを自動化するフレームワークであるfact-gpt(fact-checking augmentation with claim-oriented generative pre-trained transformer)を導入する。このフレームワークは、ファクトチェッカーによって以前否定された主張を支持したり否定したりする新しいソーシャルメディアコンテンツを識別する。本手法では,gpt-4を用いてソーシャルメディア投稿を模擬したラベル付きデータセットを生成する。このデータセットは、より専門的なLSMを微調整するためのトレーニング場として機能する。 FACT-GPTを公衆衛生に関連するソーシャルメディアコンテンツのデータセットとして評価した。以上の結果から,我々の微調整 LLM は,人間のアノテーションと密接に一致して,より大きな事前学習 LLM のパフォーマンスに匹敵することを示した。ファクトチェックの強化のための自動化フレームワークを提供し、人間の専門知識を補完するLLMの可能性を示し、ファクトチェック領域におけるさらなる研究と応用のためにデータセットやモデルを含む公開リソースを提供する。

関連論文リスト

FACT-GPT: Fact-Checking Augmentation via Claim Matching with LLMs [11.323961700172175]
FACT-GPTは、以前の主張と一致し、矛盾し、あるいは無関係であるソーシャルメディアコンテンツを識別する。評価の結果,LLMは大規模モデルの精度に適合し,関連するクレームを識別できることがわかった。
論文参考訳（メタデータ） (2024-02-08T18:43:05Z)
Self-Play Fine-Tuning Converts Weak Language Models to Strong Language Models [52.98743860365194]
本稿では,SPIN(Self-Play fIne-tuNing)と呼ばれるファインチューニング手法を提案する。 SPINの中心には自己再生機構があり、LLMは自身のインスタンスと対戦することでその能力を洗練させる。このことは、自己プレイの約束に光を当て、熟練した相手を必要とせずに、LSMにおける人間レベルのパフォーマンスの達成を可能にする。
論文参考訳（メタデータ） (2024-01-02T18:53:13Z)
Differentially Private Low-Rank Adaptation of Large Language Model Using Federated Learning [32.52811740662061]
本稿では,大規模言語モデル(LLM)に適した新しいフェデレーション学習アルゴリズムDP-LoRAを紹介する。 DP-LoRAは、重み付け更新のノイズを追加し、データプライバシを個別に維持しつつ、協調的なモデルトレーニングを容易にするガウス機構を使用することで、データのプライバシを保存する。
論文参考訳（メタデータ） (2023-12-29T06:50:38Z)
Countering Misinformation via Emotional Response Generation [15.383062216223971]
ソーシャルメディアプラットフォーム(SMP)における誤情報拡散は、公衆衛生、社会的結束、民主主義に重大な危険をもたらす。これまでの研究では、社会的訂正が誤情報を抑制する効果的な方法であることが示された。約1万のクレーム応答対からなる最初の大規模データセットであるVerMouthを提案する。
論文参考訳（メタデータ） (2023-11-17T15:37:18Z)
A Survey on Detection of LLMs-Generated Content [97.87912800179531]
LLMの生成する内容を検出する能力が最重要視されている。既存の検出戦略とベンチマークの詳細な概要を提供する。また、様々な攻撃から守るための多面的アプローチの必要性を示唆する。
論文参考訳（メタデータ） (2023-10-24T09:10:26Z)
The Perils & Promises of Fact-checking with Large Language Models [55.869584426820715]
大規模言語モデル(LLM)は、学術論文、訴訟、ニュース記事を書くことをますます信頼されている。語句検索,文脈データ検索,意思決定などにより,実検におけるLLMエージェントの使用状況を評価する。本研究は, 文脈情報を用いたLLMの高度化を示すものである。 LLMは事実チェックにおいて有望であるが、不整合の正確性のため注意が必要である。
論文参考訳（メタデータ） (2023-10-20T14:49:47Z)
Balanced and Explainable Social Media Analysis for Public Health with Large Language Models [13.977401672173533]
公共衛生分析の現在の技術は、BERTや大規模言語モデル(LLM)のような一般的なモデルである。これらの課題に対処するために、ソーシャルメディアデータセットの高度なデータ拡張手法によって、データの不均衡を克服することができる。本稿では,公衆衛生に関するソーシャルメディア分析のための新しいALEXフレームワークを提案する。
論文参考訳（メタデータ） (2023-09-12T04:15:34Z)
Self-Checker: Plug-and-Play Modules for Fact-Checking with Large Language Models [75.75038268227554]
Self-Checkerはファクトチェックを容易にするプラグインとプレイモジュールからなるフレームワークである。このフレームワークは、低リソース環境でファクトチェックシステムを構築するための、高速で効率的な方法を提供する。
論文参考訳（メタデータ） (2023-05-24T01:46:07Z)
ManiTweet: A New Benchmark for Identifying Manipulation of News on Social Media [74.93847489218008]
ソーシャルメディア上でのニュースの操作を識別し,ソーシャルメディア投稿の操作を検出し,操作された情報や挿入された情報を特定することを目的とした,新しいタスクを提案する。この課題を研究するために,データ収集スキーマを提案し,3.6K対のツイートとそれに対応する記事からなるManiTweetと呼ばれるデータセットをキュレートした。我々の分析では、このタスクは非常に難しいことを示し、大きな言語モデル(LLM)は不満足なパフォーマンスをもたらす。
論文参考訳（メタデータ） (2023-05-23T16:40:07Z)
ChatGPT as your Personal Data Scientist [0.9689893038619583]
本稿では,ChatGPTを用いた対話型データサイエンスフレームワークについて紹介する。データビジュアライゼーション、タスクの定式化、予測エンジニアリング、結果概要と勧告の4つのダイアログ状態を中心に、私たちのモデルが中心になっています。要約して,会話データ科学の新たな概念が実現可能であることを証明するとともに,複雑なタスクを解く上でLLMが有効であることを示すエンド・ツー・エンド・エンド・システムを開発した。
論文参考訳（メタデータ） (2023-05-23T04:00:16Z)
FacTeR-Check: Semi-automated fact-checking through Semantic Similarity and Natural Language Inference [61.068947982746224]
FacTeR-Checkは、ファクトチェックされた情報の検索、未確認のクレームの検証、ソーシャルメディア上での危険な情報の追跡を可能にする。このアーキテクチャは、NLI19-SPと呼ばれる新しいデータセットを使って検証されている。この結果から,各ベンチマークにおける最先端性能と,61種類のホアックスの時間経過に伴う進化の有用な解析結果が得られた。
論文参考訳（メタデータ） (2021-10-27T15:44:54Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。