論文の概要: ZoFia: Zero-Shot Fake News Detection with Entity-Guided Retrieval and Multi-LLM Interaction

• arxiv url: http://arxiv.org/abs/2511.01188v1
• Date: Mon, 03 Nov 2025 03:29:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-05 16:37:27.102064
• Title: ZoFia: Zero-Shot Fake News Detection with Entity-Guided Retrieval and Multi-LLM Interaction
• Title（参考訳）: ZoFia:Entity-Guided RetrievalとマルチLLMインタラクションによるゼロショットフェイクニュース検出
• Authors: Lvhua Wu, Xuefeng Jiang, Sheng Sun, Tian Wen, Yuwei Wang, Min Liu,
• Abstract要約: ZoFiaは、2段階のゼロショットフェイクニュース検出フレームワークである。 まず,ニュースコンテンツにおけるエンティティの重要性を定量化するために階層的サリエンスを導入する。 そこで我々はSC-MMRアルゴリズムを提案し,情報的かつ多様なキーワード群を効果的に選択する。
• 参考スコア（独自算出の注目度）: 14.012874564599272
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The rapid spread of fake news threatens social stability and public trust, rendering its detection an imperative research priority. Although large language models (LLMs) excel at numerous natural language processing tasks with their remarkable contextual understanding and extensive prior knowledge, the time-bounded knowledge coverage and tendency for generating hallucination content reduce their reliability when handling fast-evolving news streams. Furthermore, models trained on existing static datasets also often lack the generalization needed for emerging news topics. To address these challenges, we propose ZoFia, a novel two-stage zero-shot fake news detection framework. First, we introduce Hierarchical Salience to quantify the importance of entities in the news content, and propose the SC-MMR algorithm to effectively select an informative and diverse set of keywords that serve as queries for retrieving up-to-date external evidence. Subsequently, a multi LLM interactive system, in which each agent assumes a distinct role, performs multi-view collaborative analysis and adversarial debate over the news text and its related information, and finally produces an interpretable and robust judgment. Comprehensive experiments on two public datasets demonstrate that ZoFia obviously outperforms existing zero-shot baselines and most of few-shot methods. Our codes will be open-sourced to facilitate related communities.
• Abstract（参考訳）: フェイクニュースの急速な拡散は社会の安定と公衆の信頼を脅かす。 大規模言語モデル (LLMs) は,多くの自然言語処理タスクにおいて,その顕著な文脈的理解と事前知識によって優れているが,時間境界の知識カバレッジと幻覚コンテンツを生成する傾向は,急速に進化するニュースストリームを扱う際の信頼性を低下させる。 さらに、既存の静的データセットでトレーニングされたモデルは、新しいニューストピックに必要な一般化を欠いていることが多い。 これらの課題に対処するために,ZoFiaという,新しい2段階のゼロショットフェイクニュース検出フレームワークを提案する。 まず、ニュースコンテンツにおけるエンティティの重要性を定量化するために階層的サリエンスを導入し、最新の外部証拠を検索するためのクエリとして機能する情報的かつ多様なキーワードを効果的に選択するSC-MMRアルゴリズムを提案する。 その後、各エージェントが異なる役割を負う多視点対話システムにおいて、ニューステキストとその関連情報に関する多視点協調分析と敵対的議論を行い、最終的に解釈可能かつ堅牢な判断を下す。 2つの公開データセットに関する総合的な実験は、ZoFiaが既存のゼロショットベースラインとほとんど少数ショットメソッドより明らかに優れていることを示している。 私たちのコードは、関連するコミュニティを促進するためにオープンソースになります。

関連論文リスト

• NEWSAGENT: Benchmarking Multimodal Agents as Journalists with Real-World Newswriting Tasks [21.577527868033343]
  NEWSAGENTは、エージェントが利用可能な生のコンテンツを自動的に検索し、望ましい情報を選択し、ニュース記事の編集とリフレーズを行う方法を評価するためのベンチマークである。 NEWSAGENTには、実際のニュースから派生した6kの人間による検証例が含まれており、マルチモーダルコンテンツは、幅広いモデル互換性のためにテキストに変換される。 NEWSAGENTは、マルチモーダルなWebデータ操作から現実の生産性まで、エージェント機能を反復し評価するための現実的なテストベッドであると考えています。
  論文  参考訳（メタデータ） (2025-08-30T10:31:34Z)
• KGAlign: Joint Semantic-Structural Knowledge Encoding for Multimodal Fake News Detection [3.221633413708485]
  本稿では,視覚的,テキスト的,知識に基づく表現を統合した,新しいマルチモーダルフェイクニュース検出フレームワークを提案する。 本提案では,知識基底型マルチモーダル推論という新たなパラダイムを提案する。
  論文  参考訳（メタデータ） (2025-05-18T13:08:38Z)
• 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)
• Re-Search for The Truth: Multi-round Retrieval-augmented Large Language Models are Strong Fake News Detectors [38.75533934195315]
  大きな言語モデル(LLM)はその顕著な推論と生成能力で知られている。 クレーム検証のための Web ソースからキーエビデンスを自動的に戦略的に抽出する,新たな LLM フレームワークについて紹介する。 我々の枠組みは十分な証拠の取得を保証し、性能を向上させる。
  論文  参考訳（メタデータ） (2024-03-14T00:35:39Z)
• Prompt-and-Align: Prompt-Based Social Alignment for Few-Shot Fake News Detection [50.07850264495737]
  プロンプト・アンド・アライン(Prompt-and-Align、P&A)は、数発のフェイクニュース検出のための新しいプロンプトベースのパラダイムである。 我々はP&Aが、数発のフェイクニュース検出性能をかなりのマージンで新たな最先端に設定していることを示す。
  論文  参考訳（メタデータ） (2023-09-28T13:19:43Z)
• A Multi-Policy Framework for Deep Learning-Based Fake News Detection [0.31498833540989407]
  フェイクニュース検出を自動化するフレームワークであるMPSC(Multi-Policy Statement Checker)を導入する。 MPSCは、深層学習技術を用いて、文自体とその関連するニュース記事を分析し、それが信頼できるか疑わしいかを予測する。
  論文  参考訳（メタデータ） (2022-06-01T21:25:21Z)

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。