論文の概要: LLM-GAN: Construct Generative Adversarial Network Through Large Language Models For Explainable Fake News Detection

• arxiv url: http://arxiv.org/abs/2409.01787v1
• Date: Tue, 3 Sep 2024 11:06:45 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-06 02:01:57.463225
• Title: LLM-GAN: Construct Generative Adversarial Network Through Large Language Models For Explainable Fake News Detection
• Title（参考訳）: LLM-GAN: 説明可能なフェイクニュース検出のための大規模言語モデルによる生成的敵ネットワークの構築
• Authors: Yifeng Wang, Zhouhong Gu, Siwei Zhang, Suhang Zheng, Tao Wang, Tianyu Li, Hongwei Feng, Yanghua Xiao,
• Abstract要約: 大規模言語モデル(LLM)は、その強力な自然言語理解と説明生成能力で知られている。 LLMをジェネレータとインタクタにするためのプロンプト機構を利用した新しいフレームワーク LLM-GAN を提案する。 本結果は,LLM-GANが予測性能と説明品質の両方において有効であることを示す。
• 参考スコア（独自算出の注目度）: 34.984605500444324
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Explainable fake news detection predicts the authenticity of news items with annotated explanations. Today, Large Language Models (LLMs) are known for their powerful natural language understanding and explanation generation abilities. However, presenting LLMs for explainable fake news detection remains two main challenges. Firstly, fake news appears reasonable and could easily mislead LLMs, leaving them unable to understand the complex news-faking process. Secondly, utilizing LLMs for this task would generate both correct and incorrect explanations, which necessitates abundant labor in the loop. In this paper, we propose LLM-GAN, a novel framework that utilizes prompting mechanisms to enable an LLM to become Generator and Detector and for realistic fake news generation and detection. Our results demonstrate LLM-GAN's effectiveness in both prediction performance and explanation quality. We further showcase the integration of LLM-GAN to a cloud-native AI platform to provide better fake news detection service in the cloud.
• Abstract（参考訳）: 説明可能な偽ニュース検出は、注釈付き説明でニュース項目の真偽を予測する。 現在、Large Language Models (LLM) は、その強力な自然言語理解と説明生成能力で知られている。 しかし、説明可能な偽ニュース検出のためのLLMの提示には、大きな課題が2つ残っている。 第一に、フェイクニュースは理にかなっているようで、簡単にLLMを誤解させる可能性がある。 第2に、LLMをこのタスクに利用すると、正しい説明と誤った説明の両方が生成され、ループ内の豊富な労力が要求される。 本稿では,LLMがジェネレータおよび検出器となり,現実的なフェイクニュース生成・検出を実現するためのプロンプト機構を利用した新しいフレームワークであるLLM-GANを提案する。 本結果は,LLM-GANが予測性能と説明品質の両方において有効であることを示す。 さらに、LLM-GANをクラウドネイティブなAIプラットフォームに統合して、より優れたフェイクニュース検出サービスをクラウドに提供しています。

関連論文リスト

• From Deception to Detection: The Dual Roles of Large Language Models in Fake News [0.20482269513546458]
  フェイクニュースは、情報エコシステムと公衆信頼の整合性に重大な脅威をもたらす。 LLM(Large Language Models)の出現は、フェイクニュースとの戦いを変革する大きな可能性を秘めている。 本稿では,偽ニュースに効果的に対処する各種LLMの能力について検討する。
  論文  参考訳（メタデータ） (2024-09-25T22:57:29Z)
• MegaFake: A Theory-Driven Dataset of Fake News Generated by Large Language Models [18.708519905776562]
  我々は、社会心理学の観点からフェイクニュースの作成を分析する。 我々は LLM に基づく理論フレームワーク LLM-Fake Theory を開発した。 我々はMegaFakeデータセットを評価するために包括的な分析を行う。
  論文  参考訳（メタデータ） (2024-08-19T13:27:07Z)
• Seeing Through AI's Lens: Enhancing Human Skepticism Towards LLM-Generated Fake News [0.38233569758620056]
  本稿は,人間とLLMで作成する物品を個人が識別する簡単なマーカーを解明することを目的としている。 次に、情報理論とエントロピー原理に基づいて、エントロピーシフトオーサリングシグナチャ(ESAS)と呼ばれるメトリクスを考案する。 提案されたESASは、記事の著者の識別に関する関連性に基づいて、POSタグのような用語やエンティティをニュース記事にランク付けする。
  論文  参考訳（メタデータ） (2024-06-20T06:02:04Z)
• FKA-Owl: Advancing Multimodal Fake News Detection through Knowledge-Augmented LVLMs [48.32113486904612]
  本稿では,FKA-Owlを提案する。FKA-Owlは,偽情報を利用した大規模視覚言語モデル(LVLM)の拡張のためのフレームワークである。 パブリックベンチマークの実験では、FKA-Owlは従来の手法よりも優れたクロスドメイン性能を達成している。
  論文  参考訳（メタデータ） (2024-03-04T12:35:09Z)
• DELL: Generating Reactions and Explanations for LLM-Based Misinformation Detection [50.805599761583444]
  大規模な言語モデルは、事実性や幻覚の難しさによって制限され、ニュース記事の正確さを判断するために、棚外で直接使用される。 我々は,LLMをパイプラインの一部として組み込む誤情報検出の3つの重要な段階を同定するDellを提案する。
  論文  参考訳（メタデータ） (2024-02-16T03:24:56Z)
• Supervised Knowledge Makes Large Language Models Better In-context Learners [94.89301696512776]
  大規模言語モデル(LLM)は、素早い工学を通して、文脈内学習能力の出現を示す。 自然言語理解と質問応答におけるLLMの一般化性と事実性の向上という課題は、まだ未解決のままである。 本研究では, LLM の信頼性を高める枠組みを提案する。1) 分布外データの一般化,2) 差別モデルによる LLM のメリットの解明,3) 生成タスクにおける幻覚の最小化。
  論文  参考訳（メタデータ） (2023-12-26T07:24:46Z)
• Let Models Speak Ciphers: Multiagent Debate through Embeddings [84.20336971784495]
  この問題を解決するためにCIPHER(Communicative Inter-Model Protocol Through Embedding Representation)を導入する。 自然言語から逸脱することで、CIPHERはモデルの重みを変更することなく、より広い範囲の情報を符号化する利点を提供する。 このことは、LLM間の通信における代替の"言語"としての埋め込みの優越性と堅牢性を示している。
  論文  参考訳（メタデータ） (2023-10-10T03:06:38Z)
• Bad Actor, Good Advisor: Exploring the Role of Large Language Models in Fake News Detection [22.658378054986624]
  大規模言語モデル(LLM)は、様々なタスクにおいて顕著なパフォーマンスを示している。 LLMは望ましいマルチパースペクティブな合理性を提供するが、基本的なSLMである細調整のBERTよりも性能が低い。 偽ニュース検出において、現在のLSMは微調整されたSLMの代わりにはならないが、SLMの優れたアドバイザである可能性が示唆された。
  論文  参考訳（メタデータ） (2023-09-21T16:47:30Z)
• Fake News Detectors are Biased against Texts Generated by Large Language Models [39.36284616311687]
  フェイクニュースの拡散は、信頼を弱め、社会への脅威を訴える重要な課題として浮上している。 本稿では,人間の書き起こしとLLM生成の両方の誤情報を含むシナリオにおいて,偽ニュース検知器を評価するための新しいパラダイムを提案する。
  論文  参考訳（メタデータ） (2023-09-15T18:04:40Z)
• Red Teaming Language Model Detectors with Language Models [114.36392560711022]
  大規模言語モデル(LLM)は、悪意のあるユーザによって悪用された場合、重大な安全性と倫理的リスクをもたらす。 近年,LLM生成テキストを検出し,LLMを保護するアルゴリズムが提案されている。 1) LLMの出力中の特定の単語を, 文脈が与えられたシノニムに置き換えること, 2) 生成者の書き方を変更するための指示プロンプトを自動で検索すること,である。
  論文  参考訳（メタデータ） (2023-05-31T10:08:37Z)

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。