論文の概要: Ahead of the Spread: Agent-Driven Virtual Propagation for Early Fake News Detection

• arxiv url: http://arxiv.org/abs/2601.02750v1
• Date: Tue, 06 Jan 2026 06:36:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-07 17:02:12.830057
• Title: Ahead of the Spread: Agent-Driven Virtual Propagation for Early Fake News Detection
• Title（参考訳）: Ahead of the Spread: 早期フェイクニュース検出のためのエージェント駆動型仮想伝搬
• Authors: Bincheng Gu, Min Gao, Junliang Yu, Zongwei Wang, Zhiyi Liu, Kai Shu, Hongyu Zhang,
• Abstract要約: 偽ニュース下線検出のためのアンダーラインアゲイン駆動型アンダーラインオパガタンデリオンであるAVOIDを提案する。 AVOIDは、早期検出を、受動的に観察されるのではなく、伝播信号を積極的にシミュレートするエビデンス生成の新しいパラダイムとして再構成する。
• 参考スコア（独自算出の注目度）: 30.547636224797376
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Early detection of fake news is critical for mitigating its rapid dissemination on social media, which can severely undermine public trust and social stability. Recent advancements show that incorporating propagation dynamics can significantly enhance detection performance compared to previous content-only approaches. However, this remains challenging at early stages due to the absence of observable propagation signals. To address this limitation, we propose AVOID, an \underline{a}gent-driven \underline{v}irtual pr\underline{o}pagat\underline{i}on for early fake news \underline{d}etection. AVOID reformulates early detection as a new paradigm of evidence generation, where propagation signals are actively simulated rather than passively observed. Leveraging LLM-powered agents with differentiated roles and data-driven personas, AVOID realistically constructs early-stage diffusion behaviors without requiring real propagation data. The resulting virtual trajectories provide complementary social evidence that enriches content-based detection, while a denoising-guided fusion strategy aligns simulated propagation with content semantics. Extensive experiments on benchmark datasets demonstrate that AVOID consistently outperforms state-of-the-art baselines, highlighting the effectiveness and practical value of virtual propagation augmentation for early fake news detection. The code and data are available at https://github.com/Ironychen/AVOID.
• Abstract（参考訳）: 偽ニュースの早期発見は、ソーシャルメディアへの急速な拡散を緩和し、大衆の信頼と社会的安定を著しく損なう可能性がある。 近年の進展は,従来のコンテンツのみのアプローチに比べて検出性能が著しく向上していることを示している。 しかし、観測可能な伝播信号が存在しないため、これはまだ初期段階で困難である。 この制限に対処するため、初期のフェイクニュースに対して、AVOID, a \underline{a}gent-driven \underline{v}irtual pr\underline{o}pagat\underline{i}onを提案する。 AVOIDは、早期検出を、受動的に観察されるのではなく、伝播信号を積極的にシミュレートするエビデンス生成の新しいパラダイムとして再構成する。 異なる役割とデータ駆動型ペルソナを持つLLMエージェントを活用することで、AVOIDは実際の伝搬データを必要としない早期拡散挙動を現実的に構築する。 結果として生じる仮想軌道は、コンテンツに基づく検出を豊かにする補完的な社会的証拠を提供する一方、認知誘導融合戦略は、シミュレーションされた伝播とコンテンツ意味論を一致させる。 ベンチマークデータセットの大規模な実験により、AVOIDは最先端のベースラインを一貫して上回り、初期のフェイクニュース検出における仮想伝搬拡張の有効性と実用的価値を強調している。 コードとデータはhttps://github.com/Ironychen/AVOID.comで公開されている。

関連論文リスト

• Contamination Detection for VLMs using Multi-Modal Semantic Perturbation [73.76465227729818]
  オープンソースのVision-Language Models (VLM)は、ベンチマークタスクで最先端のパフォーマンスを達成した。 プレトレーニングコーパスは,テストセットリークによるパフォーマンスの低下という,実践者とユーザ双方にとって重要な懸念を提起する。 既存の検出手法が不整合性を示すか,不整合性を示すかを示す。 マルチモーダルなセマンティック摂動に基づく,新しい簡易かつ効果的な検出法を提案する。
  論文  参考訳（メタデータ） (2025-11-05T18:59:52Z)
• TAG:Tangential Amplifying Guidance for Hallucination-Resistant Diffusion Sampling [53.61290359948953]
  タンジェンシャル増幅誘導(TAG)は、下層の拡散モデルを変更することなく、軌道信号のみで動作する。 この誘導過程を1次テイラー展開を利用して定式化する。 TAGは、最小限の計算加算で拡散サンプリング忠実度を改善する、プラグアンドプレイのアーキテクチャに依存しないモジュールである。
  論文  参考訳（メタデータ） (2025-10-06T06:53:29Z)
• Detoxifying Large Language Models via Autoregressive Reward Guided Representation Editing [77.75609817898035]
  大規模言語モデル(LLM)は、様々なタスクにわたって印象的なパフォーマンスを示してきたが、有害なコンテンツの生成には弱いままである。 textscAutoregressive textscReward textscGuided textscRe presentation textscEditing (ARGRE)を提案する。 ARGREは遅延表現空間内の毒性遷移を明示的にモデル化し、安定かつ正確な報酬誘導編集を可能にする。
  論文  参考訳（メタデータ） (2025-09-24T03:40:32Z)
• Epidemiology-informed Network for Robust Rumor Detection [59.89351792706995]
  本稿では, 疫学知識を統合し, 性能を高めるための新しい疫学情報ネットワーク(EIN)を提案する。 疫学理論をうわさ検出に適応させるため,各利用者が情報源情報に対する姿勢を付加することが期待されている。 実験結果から,提案したEINは実世界のデータセット上で最先端の手法より優れるだけでなく,樹木の深度にまたがる堅牢性も向上することが示された。
  論文  参考訳（メタデータ） (2024-11-20T00:43:32Z)
• The Stepwise Deception: Simulating the Evolution from True News to Fake News with LLM Agents [33.92860158860716]
  これまでの研究では、フェイクニュースは徐々に形成するよりむしろ本質的に存在すると仮定されてきた。 本稿では,新たなLarge Language Model(LLM)に基づくシミュレーション手法であるFUSEを提案する。 その結果、FUSEはフェイクニュースの進化パターンを効果的に捉え、既知のフェイクニュースを正確に再現し、人間の評価と密接に一致していることがわかった。
  論文  参考訳（メタデータ） (2024-10-24T18:17:16Z)
• 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)
• No Place to Hide: Dual Deep Interaction Channel Network for Fake News Detection based on Data Augmentation [16.40196904371682]
  本稿では,意味,感情,データ強化の観点から,偽ニュース検出のための新しいフレームワークを提案する。 セマンティックと感情の2つのディープインタラクションチャネルネットワークは、より包括的できめ細かなニュース表現を得るために設計されている。 実験の結果,提案手法は最先端手法よりも優れていることがわかった。
  論文  参考訳（メタデータ） (2023-03-31T13:33:53Z)
• Mining Fine-grained Semantics via Graph Neural Networks for Evidence-based Fake News Detection [20.282527436527765]
  本稿では,グラフベースのsEmantic sTructureマイニングフレームワークを提案する。 我々は、クレームとエビデンスをグラフ構造化データとしてモデル化し、長距離セマンティック依存関係をキャプチャします。 文脈意味情報を得た後、グラフ構造学習を行うことにより、情報冗長性を低減する。
  論文  参考訳（メタデータ） (2022-01-18T11:28:36Z)
• Leveraging Multi-Source Weak Social Supervision for Early Detection of Fake News [67.53424807783414]
  ソーシャルメディアは、人々が前例のない速度でオンライン活動に参加することを可能にする。 この制限のないアクセスは、誤情報や偽ニュースの拡散を悪化させ、その緩和のために早期に検出されない限り混乱と混乱を引き起こす可能性がある。 ソーシャルエンゲージメントからの弱い信号とともに、限られた量のクリーンデータを活用して、メタラーニングフレームワークでディープニューラルネットワークをトレーニングし、さまざまな弱いインスタンスの品質を推定します。 実世界のデータセットの実験では、提案されたフレームワークは、予測時にユーザーエンゲージメントを使わずに、フェイクニュースを早期に検出するための最先端のベースラインを上回っている。
  論文  参考訳（メタデータ） (2020-04-03T18:26:33Z)

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。