論文の概要: Verify as You Go: An LLM-Powered Browser Extension for Fake News Detection
- arxiv url: http://arxiv.org/abs/2603.05519v1
- Date: Tue, 03 Feb 2026 21:30:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-15 16:38:22.370812
- Title: Verify as You Go: An LLM-Powered Browser Extension for Fake News Detection
- Title（参考訳）: Verify as You Go: フェイクニュース検出のためのLLMベースのブラウザエクステンション
- Authors: Dorsaf Sallami, Esma Aïmeur,
- Abstract要約: Aletheiaは、偽ニュースを検出し、エビデンスに基づく説明を提供する新しいブラウザ拡張である。
Aletheiaには、フラグ付きコンテンツに関するユーザ対話を可能にするディスカッションハブと、最近の事実チェックをサーフェスするStay Informed機能が含まれている。
Aletheiaは検出性能において最先端のベースラインよりも優れていることを示す。
- 参考スコア（独自算出の注目度）: 0.12891210250935145
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The rampant spread of fake news in the digital age poses serious risks to public trust and democratic institutions, underscoring the need for effective, transparent, and user-centered detection tools. Existing browser extensions often fall short due to opaque model behavior, limited explanatory support, and a lack of meaningful user engagement. This paper introduces Aletheia, a novel browser extension that leverages Retrieval-Augmented Generation (RAG) and Large Language Models (LLMs) to detect fake news and provide evidence-based explanations. Aletheia further includes two interactive components: a Discussion Hub that enables user dialogue around flagged content and a Stay Informed feature that surfaces recent fact-checks. Through extensive experiments, we show that Aletheia outperforms state-of-the-art baselines in detection performance. Complementing this empirical evaluation, a complementary user study with 250 participants confirms the system's usability and perceived effectiveness, highlighting its potential as a transparent tool for combating online fake news.
- Abstract（参考訳）: デジタル時代におけるフェイクニュースの普及は、公共の信頼と民主的な機関に深刻なリスクをもたらし、効果的で透明でユーザー中心の検知ツールの必要性を強調している。
既存のブラウザ拡張機能は、不透明なモデル動作、限定的な説明サポート、意味のあるユーザエンゲージメントの欠如により、しばしば不足する。
本稿では,RAG(Retrieval-Augmented Generation)とLLM(Large Language Models)を利用して,偽ニュースを検出し,エビデンスに基づく説明を提供するブラウザエクステンションであるAletheiaを紹介する。
Aletheiaはさらに、2つのインタラクティブなコンポーネントを含んでいる。フラグ付きコンテンツに関するユーザ対話を可能にするディスカッションハブと、最近の事実チェックをサーフェスするStay Informed機能だ。
広範な実験により,アレクシアは検出性能において最先端のベースラインよりも優れていた。
この経験的評価を補完する、250人の参加者による補完的なユーザスタディは、システムのユーザビリティと認識された有効性を確認し、オンライン偽ニュースと戦うための透明なツールとしての可能性を強調している。
関連論文リスト
- FACTS&EVIDENCE: An Interactive Tool for Transparent Fine-Grained Factual Verification of Machine-Generated Text [39.804889153032526]
Facts&Evidenceは、複雑なテキストのユーザ主導検証のためのインタラクティブツールである。
個々の主張の信頼性を可視化し、モデル決定と複数の多様な証拠ソースへの帰属を説明する。
論文 参考訳（メタデータ） (2025-03-19T00:14:55Z) - Dynamic Analysis and Adaptive Discriminator for Fake News Detection [59.41431561403343]
偽ニュース検出のための動的解析・適応識別器(DAAD)手法を提案する。
知識に基づく手法では,モンテカルロ木探索アルゴリズムを導入し,大規模言語モデルの自己表現能力を活用する。
意味に基づく手法では、偽ニュース生成のメカニズムを明らかにするために、典型的偽造パターンを4つ定義する。
論文 参考訳（メタデータ） (2024-08-20T14:13:54Z) - Fake News Detection and Manipulation Reasoning via Large Vision-Language Models [38.457805116130004]
本稿では,Human-centric and Fact-related Fake News(HFFN)と呼ばれる偽ニュースの検出と操作の推論のためのベンチマークを紹介する。
このベンチマークでは、詳細なマニュアルアノテーションによって、人間の中心性と、高い事実的関連性を強調している。
M-DRUM(Multi-modal News Detection and Reasoning langUage Model)が提示される。
論文 参考訳（メタデータ） (2024-07-02T08:16:43Z) - How to Train Your Fact Verifier: Knowledge Transfer with Multimodal Open Models [95.44559524735308]
大規模言語またはマルチモーダルモデルに基づく検証は、偽コンテンツや有害コンテンツの拡散を緩和するためのオンラインポリシングメカニズムをスケールアップするために提案されている。
我々は,知識伝達の初期研究を通じて,継続的な更新を行うことなく基礎モデルの性能向上の限界をテストする。
最近の2つのマルチモーダルなファクトチェックベンチマークであるMochegとFakedditの結果は、知識伝達戦略がファクドディットのパフォーマンスを最先端よりも1.7%向上し、Mochegのパフォーマンスを2.9%向上させることができることを示唆している。
論文 参考訳（メタデータ） (2024-06-29T08:39:07Z) - COVIDFakeExplainer: An Explainable Machine Learning based Web
Application for Detecting COVID-19 Fake News [1.257018053967058]
本稿では,偽ニュース検出の優れたモデルとしてBERTを確立する。
我々はブラウザエクステンションを実装し、説明可能性機能を強化し、フェイクニュースのリアルタイム識別を可能にした。
実験では、BERTが新型コロナウイルス関連の偽ニュースを検出するのに非常に正確であることを確認した。
論文 参考訳（メタデータ） (2023-10-21T02:11:39Z) - Multiverse: Multilingual Evidence for Fake News Detection [71.51905606492376]
Multiverseは、偽ニュースの検出に使用できる多言語エビデンスに基づく新機能である。
偽ニュース検出機能としての言語間証拠の使用仮説を確認した。
論文 参考訳（メタデータ） (2022-11-25T18:24:17Z) - 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) - FR-Detect: A Multi-Modal Framework for Early Fake News Detection on
Social Media Using Publishers Features [0.0]
ニュース分野におけるこれらのメディアの優位性にもかかわらず、制御と検証機構の欠如がフェイクニュースの普及につながっている。
早期検出機能を備えたユーザ関連・コンテンツ関連機能を用いた高精度なマルチモーダルフレームワークFR-Detectを提案する。
実験によると、パブリッシャーの機能はコンテンツベースのモデルの性能を最大13%改善し、精度とF1スコアを29%向上させることができる。
論文 参考訳（メタデータ） (2021-09-10T12:39:00Z) - Causal Understanding of Fake News Dissemination on Social Media [50.4854427067898]
我々は、ユーザーがフェイクニュースを共有するのに、ユーザー属性が何をもたらすかを理解することが重要だと論じている。
偽ニュース拡散において、共同創設者は、本質的にユーザー属性やオンライン活動に関連する偽ニュース共有行動によって特徴づけられる。
本稿では,偽ニュース拡散における選択バイアスを軽減するための原則的アプローチを提案する。
論文 参考訳（メタデータ） (2020-10-20T19:37:04Z) - Machine Learning Explanations to Prevent Overtrust in Fake News
Detection [64.46876057393703]
本研究では、ニュースレビュープラットフォームに組み込んだ説明可能なAIアシスタントが、フェイクニュースの拡散と戦う効果について検討する。
我々は、ニュースレビューと共有インターフェースを設計し、ニュース記事のデータセットを作成し、4つの解釈可能なフェイクニュース検出アルゴリズムを訓練する。
説明可能なAIシステムについてより深く理解するために、説明プロセスにおけるユーザエンゲージメント、メンタルモデル、信頼、パフォーマンス対策の相互作用について議論する。
論文 参考訳（メタデータ） (2020-07-24T05:42:29Z) - 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。