論文の概要: Many Ways to Be Fake: Benchmarking Fake News Detection Under Strategy-Driven AI Generation

• arxiv url: http://arxiv.org/abs/2604.09514v1
• Date: Fri, 10 Apr 2026 17:36:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-13 17:57:53.981295
• Title: Many Ways to Be Fake: Benchmarking Fake News Detection Under Strategy-Driven AI Generation
• Title（参考訳）: フェイクするさまざまな方法 - 戦略駆動型AI生成下でのフェイクニュース検出のベンチマーク
• Authors: Xinyu Wang, Sai Koneru, Wenbo Zhang, Wenliang Zheng, Saksham Ranjan, Sarah Rajtmajer,
• Abstract要約: 大規模言語モデルの最近の進歩は、高度に流動的で偽ニュース的なコンテンツを大規模に生成することを可能にする。 これらの混合トラスのケースは現実的で連続的な脅威であるが、既存のベンチマークでは不足している。 我々は,複数の戦略駆動型プロンプトパイプラインから生成された6,798個の偽ニュース記事を含む総合ベンチマークMANYFAKEを紹介する。 以上の結果から, 高度な推論可能なモデルでさえ, 完全に構成されたストーリーの飽和に近づきつつも, 虚偽が微妙で, 最適化され, 正確な情報で織り交ぜられた場合の脆さが示唆された。
• 参考スコア（独自算出の注目度）: 6.008764313661662
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recent advances in large language models (LLMs) have enabled the large-scale generation of highly fluent and deceptive news-like content. While prior work has often treated fake news detection as a binary classification problem, modern fake news increasingly arises through human-AI collaboration, where strategic inaccuracies are embedded within otherwise accurate and credible narratives. These mixed-truth cases represent a realistic and consequential threat, yet they remain underrepresented in existing benchmarks. To address this gap, we introduce MANYFAKE, a synthetic benchmark containing 6,798 fake news articles generated through multiple strategy-driven prompting pipelines that capture many ways fake news can be constructed and refined. Using this benchmark, we evaluate a range of state-of-the-art fake news detectors. Our results show that even advanced reasoning-enabled models approach saturation on fully fabricated stories, but remain brittle when falsehoods are subtle, optimized, and interwoven with accurate information.
• Abstract（参考訳）: 大規模言語モデル(LLM)の最近の進歩は、高度に流動的で偽ニュース的なコンテンツを大規模に生成することを可能にする。 以前の研究では、偽ニュース検出を二項分類問題として扱うことが多かったが、現代の偽ニュースは、戦略的不正確さが正確で信頼性の高い物語の中に埋め込まれている人間とAIのコラボレーションによって、ますます増加する。 これらの混合トラスのケースは現実的で連続的な脅威であるが、既存のベンチマークでは不足している。 このギャップに対処するために,複数の戦略駆動型プロンプトパイプラインを通じて生成された6,798個の偽ニュース記事を含む総合ベンチマークであるMANYFAKEを紹介した。 このベンチマークを用いて、最先端の偽ニュース検知装置について評価する。 以上の結果から, 高度な推論可能なモデルでさえ, 完全に構成されたストーリーの飽和に近づきつつも, 虚偽が微妙で, 最適化され, 正確な情報で織り交ぜられた場合の脆さが示唆された。

関連論文リスト

• 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)
• Adapting Fake News Detection to the Era of Large Language Models [48.5847914481222]
  我々は,機械による(言い換えられた)リアルニュース,機械生成のフェイクニュース,人書きのフェイクニュース,人書きのリアルニュースの相互作用について検討する。 我々の実験では、人書き記事のみに特化して訓練された検知器が、機械が生成したフェイクニュースを検出できる興味深いパターンを明らかにしましたが、その逆ではありません。
  論文  参考訳（メタデータ） (2023-11-02T08:39:45Z)
• Nothing Stands Alone: Relational Fake News Detection with Hypergraph Neural Networks [49.29141811578359]
  本稿では,ニュース間のグループ間相互作用を表現するためにハイパーグラフを活用することを提案する。 提案手法は,ラベル付きニュースデータの小さなサブセットであっても,優れた性能を示し,高い性能を維持する。
  論文  参考訳（メタデータ） (2022-12-24T00:19:32Z)
• 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)
• Faking Fake News for Real Fake News Detection: Propaganda-loaded Training Data Generation [105.20743048379387]
  提案手法は,人間によるプロパガンダのスタイルや戦略から情報を得た学習例を生成するための新しいフレームワークである。 具体的には、生成した記事の有効性を確保するために、自然言語推論によって導かれる自己臨界シーケンストレーニングを行う。 実験の結果、PropaNewsでトレーニングされた偽ニュース検知器は、2つの公開データセットで3.62～7.69%のF1スコアで人書きの偽情報を検出するのに優れていることがわかった。
  論文  参考訳（メタデータ） (2022-03-10T14:24:19Z)
• An Adversarial Benchmark for Fake News Detection Models [0.065268245109828]
  我々は「理解」の3つの側面を狙う敵攻撃を定式化する 我々は、LIAR arXiv:arch-ive/1705648とKaggle Fake-Newsデータセットで微調整されたBERT分類器を用いてベンチマークをテストする。
  論文  参考訳（メタデータ） (2022-01-03T23:51:55Z)

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。