論文の概要: Towards Real-Time Fake News Detection under Evidence Scarcity

• arxiv url: http://arxiv.org/abs/2510.11277v1
• Date: Mon, 13 Oct 2025 11:11:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-14 18:06:30.331842
• Title: Towards Real-Time Fake News Detection under Evidence Scarcity
• Title（参考訳）: Evidence Scarcity によるリアルタイムフェイクニュース検出に向けて
• Authors: Guangyu Wei, Ke Han, Yueming Lyu, Yu Luo, Yue Jiang, Caifeng Shan, Nicu Sebe,
• Abstract要約: 本稿では,リアルタイムフェイクニュース検出のための新しいフレームワークである評価アウェア・セレクション・オブ・エキスパートズ(EASE)を提案する。 EASEは、利用可能な証拠の十分性を評価した意思決定プロセスに適合する。 本稿では,新興ニュースのモデル一般化を限られた証拠で評価するための新しいベンチマークであるRealTimeNews-25を紹介する。
• 参考スコア（独自算出の注目度）: 66.58597356379907
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Fake news detection becomes particularly challenging in real-time scenarios, where emerging events often lack sufficient supporting evidence. Existing approaches often rely heavily on external evidence and therefore struggle to generalize under evidence scarcity. To address this issue, we propose Evaluation-Aware Selection of Experts (EASE), a novel framework for real-time fake news detection that dynamically adapts its decision-making process according to the assessed sufficiency of available evidence. EASE introduces a sequential evaluation mechanism comprising three independent perspectives: (1) Evidence-based evaluation, which assesses evidence and incorporates it into decision-making only when the evidence is sufficiently supportive; (2) Reasoning-based evaluation, which leverages the world knowledge of large language models (LLMs) and applies them only when their reliability is adequately established; and (3) Sentiment-based fallback, which integrates sentiment cues when neither evidence nor reasoning is reliable. To enhance the accuracy of evaluation processes, EASE employs instruction tuning with pseudo labels to guide each evaluator in justifying its perspective-specific knowledge through interpretable reasoning. Furthermore, the expert modules integrate the evaluators' justified assessments with the news content to enable evaluation-aware decision-making, thereby enhancing overall detection accuracy. Moreover, we introduce RealTimeNews-25, a new benchmark comprising recent news for evaluating model generalization on emerging news with limited evidence. Extensive experiments demonstrate that EASE not only achieves state-of-the-art performance across multiple benchmarks, but also significantly improves generalization to real-time news. The code and dataset are available: https://github.com/wgyhhhh/EASE.
• Abstract（参考訳）: フェイクニュースの検出は、新興イベントが十分な証拠を欠くような、リアルタイムシナリオにおいて特に困難になる。 既存のアプローチは、しばしば外部の証拠に大きく依存しているため、証拠不足の下で一般化に苦慮している。 この課題に対処するために,実時間で偽ニュースを検出するための新しいフレームワークである評価意識専門家選び(EASE)を提案する。 EASEは,(1)証拠を十分に支持できる場合にのみ証拠を評価し,それを意思決定に組み込むエビデンスに基づく評価,(2)大規模言語モデル(LLM)の世界的知識を活用し,信頼性が適切に確立された場合にのみ適用する推論に基づく評価,(3)証拠も推論も信頼できない場合に感情の手がかりを統合する感性に基づくフォールバックという3つの独立した視点からなるシーケンシャルな評価機構を導入している。 評価プロセスの精度を高めるために、EASEは擬似ラベルを用いた命令チューニングを使用して、解釈可能な推論を通じて、それぞれの評価者に対して視点固有の知識を正当化する。 さらに、専門家モジュールは、評価者の正当性評価をニュースコンテンツと統合し、評価を意識した意思決定を可能にし、全体的な検出精度を向上する。 さらに,新ニュースのモデル一般化を限られた証拠で評価するための新しいベンチマークであるRealTimeNews-25を紹介する。 大規模な実験により、EASEは複数のベンチマークで最先端のパフォーマンスを達成するだけでなく、リアルタイムニュースへの一般化を大幅に改善することが示された。 コードとデータセットは、https://github.com/wgyhhhh/EASE.comで公開されている。

関連論文リスト

• Demystifying deep search: a holistic evaluation with hint-free multi-hop questions and factorised metrics [89.1999907891494]
  We present WebDetective, a benchmark of hint-free multi-hop questions with a control Wikipedia sandbox。 25の最先端モデルに対する我々の評価は、すべてのアーキテクチャにまたがる体系的な弱点を明らかにしている。 私たちはエージェントワークフローであるEvidenceLoopを開発し、ベンチマークが特定する課題を明示的にターゲットしています。
  論文  参考訳（メタデータ） (2025-10-01T07:59:03Z)
• Towards Automated Situation Awareness: A RAG-Based Framework for Peacebuilding Reports [2.230742111425553]
  本稿では,状況認識レポートを自律的に生成する動的検索・拡張生成システムを提案する。 本システムでは,要求に基づく問合せ固有の知識ベースを構築し,時間的,関連性,正確な洞察を確保する。 このシステムは、複数の実世界のシナリオでテストされ、一貫性があり、洞察力があり、実行可能なレポートを生成する効果を実証している。
  論文  参考訳（メタデータ） (2025-05-14T16:36:30Z)
• Ev2R: Evaluating Evidence Retrieval in Automated Fact-Checking [11.300523252168327]
  Evtextsuperscript2Rは、基準ベースの評価と検証レベルのプロキシスコアの長所を組み合わせる。 Evtextsuperscript2Rは、精度と堅牢性において既存のスコアリング手法より一貫して優れている。
  論文  参考訳（メタデータ） (2024-11-08T07:05:06Z)
• TrendFact: A Benchmark for Explainable Hotspot Perception in Fact-Checking with Natural Language Explanation [10.449165630417522]
  我々は、最初のホットスポット認識事実チェックベンチマークであるTrendFactを紹介する。 TrendFactは、トレンドプラットフォームとプロのファクトチェックデータセットから得られた、7,643の慎重にキュレートされたサンプルで構成されている。 本研究では,動的エビデンス増大,エビデンス三角測量,反復的自己回帰機構を統合したFactISRを提案する。
  論文  参考訳（メタデータ） (2024-10-19T15:25:19Z)
• Detect, Investigate, Judge and Determine: A Knowledge-guided Framework for Few-shot Fake News Detection [53.41813030290324]
  Few-Shot Fake News Detection (FS-FND) は、極めて低リソースのシナリオにおいて、非正確なニュースを実際のニュースと区別することを目的としている。 ソーシャルメディア上でのフェイクニュースの拡散や有害な影響により、このタスクは注目を集めている。 本稿では,内外からLLMを増強するDual-perspective Knowledge-Guided Fake News Detection (DKFND)モデルを提案する。
  論文  参考訳（メタデータ） (2024-07-12T03:15:01Z)
• AttributionBench: How Hard is Automatic Attribution Evaluation? [19.872081697282002]
  AttributionBenchは、様々な既存の属性データセットからコンパイルされた包括的なベンチマークである。 実験の結果,微調整GPT-3.5でさえ,二項分類法で約80%のマクロF1しか達成できないことがわかった。 300以上のエラーケースの詳細な分析では、失敗の大部分は、ナンスされた情報を処理できないことに起因する。
  論文  参考訳（メタデータ） (2024-02-23T04:23:33Z)
• DeepfakeBench: A Comprehensive Benchmark of Deepfake Detection [55.70982767084996]
  ディープフェイク検出の分野で見落とされがちな課題は、標準化され、統一され、包括的なベンチマークがないことである。 DeepfakeBenchと呼ばれる,3つの重要なコントリビューションを提供するディープフェイク検出のための,最初の包括的なベンチマークを提示する。 DeepfakeBenchには15の最先端検出方法、9CLデータセット、一連のDeepfake検出評価プロトコルと分析ツール、包括的な評価ツールが含まれている。
  論文  参考訳（メタデータ） (2023-07-04T01:34:41Z)

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。