論文の概要: SharP: Soft and Hard Prompt-Guided Augmentation with LLM for Low Resource Fake News Detection
- arxiv url: http://arxiv.org/abs/2610.13207v1
- Date: Fri, 09 Oct 2026 08:25:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-13 04:06:29.477722
- Title: SharP: Soft and Hard Prompt-Guided Augmentation with LLM for Low Resource Fake News Detection
- Title（参考訳）: SharP:低資源フェイクニュース検出のためのLDMによるソフトでハードなプロンプト誘導増幅
- Abstract要約: 低リソースのフェイクニュース検出に重点を置いており、トレーニングには小さなラベル付きセットしか使用できません。
この設定は、コストが高くあいまいな事実チェックと、既存のベンチマークでカバーされていない新しいトピックやドメインによって動機付けられています。
ソフトプロンプトとハードプロンプトでガイドされた境界対応テキスト生成フレームワークであるSharPを提案する。
- 参考スコア（独自算出の注目度）: 6.499914756830296
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Fake news detection under low resource conditions is challenged by the scarcity of labeled data and the difficulty of capturing subtle deceptive patterns. In this work, we focus on low resource fake news detection, where only a small labeled set is available for training, while evaluation is performed under a fixed and unchanged test protocol. This setting is motivated by costly, ambiguous fact-checking and emerging topics and domains that are poorly covered by existing benchmarks. Existing data augmentation methods, such as synonym substitution, generative adversarial networks, and large language model (LLM)-based generation, often produce fluent but overly generic content, lacking the task-specific relevance needed for accurate detection. To address this, we propose SharP, a boundary-aware text generation framework guided by soft and hard prompts, which leverages LLMs as tools adapted to produce task-specific synthetic samples. SharP employs a dual prompt mechanism: hard prompts provide structured guidance and factual constraints, while soft prompts introduce learned semantic patterns from the data. These two types of prompts are combined to guide the generation process, enabling the model to produce samples that closely align with the characteristics of news. To further enhance detection performance, we incorporate a boundary-aware strategy that steers generation toward areas where the classifier is less confident, helping to clarify subtle distinctions between real and fake content. In addition, we adopt a dual objective optimization that balances semantic alignment with the source data and classifier feedback. This encourages the generation of samples that are both domain-consistent and helpful for refining decision boundaries, ultimately improving model robustness and generalization in low resource fake news detection.
- Abstract（参考訳）: 低資源環境下でのフェイクニュースの検出は,ラベル付きデータの不足と微妙な偽造パターンを捉えるのが困難であるために困難である。
本研究では,低リソースなフェイクニュースの検出に焦点をあて,小さなラベル付きセットのみをトレーニング対象とし,評価は定型かつ不定型なテストプロトコルで行う。
この設定は、コストが高くあいまいな事実チェックと、既存のベンチマークでカバーされていない新しいトピックやドメインによって動機付けられています。
同義語置換、生成的敵ネットワーク、大規模言語モデル(LLM)ベースの生成などの既存のデータ拡張手法は、しばしば、正確な検出に必要なタスク固有の関連性を欠いて、流動的だが過度に一般的なコンテンツを生成する。
ソフトプロンプトとハードプロンプトを併用した境界対応テキスト生成フレームワークであるSharPを提案する。
ハードプロンプトは構造化されたガイダンスと現実的な制約を提供するが、ソフトプロンプトはデータから学習されたセマンティックパターンを導入する。
これらの2種類のプロンプトを組み合わせて生成プロセスのガイドを行い、モデルがニュースの特徴と密に一致したサンプルを作成できるようにする。
検出性能をさらに高めるため,分類器の信頼性が低い領域にステアリングする境界認識戦略を導入し,実コンテンツと偽コンテンツとの微妙な区別を明らかにする。
さらに、ソースデータとセマンティックアライメントのバランスを保ち、分類器のフィードバックを両目的に最適化する。
これにより、ドメイン一貫性と決定境界の精細化に役立つサンプルの生成が促進され、最終的には低リソースの偽ニュース検出におけるモデルロバスト性と一般化が改善される。
関連論文リスト
- Beyond Frequency: Scoring-Driven Debiasing for Object Detection via Blueprint-Prompted Image Synthesis [97.37770785712475]
オブジェクト検出のための世代ベースデバイアスフレームワークを提案する。
提案手法は,未表現オブジェクト群の性能ギャップを著しく狭める。
論文 参考訳（メタデータ） (2025-10-21T02:19:12Z) - DetectAnyLLM: Towards Generalizable and Robust Detection of Machine-Generated Text Across Domains and Models [60.713908578319256]
タスク指向の知識で検出器を最適化するために,DDL(Direct Discrepancy Learning)を提案する。
そこで本研究では,最新のMGTD性能を実現する統合検出フレームワークであるTectAnyLLMを紹介する。
MIRAGEは5つのテキストドメインにまたがる10のコーパスから人書きテキストをサンプリングし、17個の最先端のLLMを使用して再生成または修正する。
論文 参考訳（メタデータ） (2025-09-15T10:59:57Z) - Reflect then Learn: Active Prompting for Information Extraction Guided by Introspective Confusion [41.79586757544166]
大規模言語モデル(LLM)は、少数ショット情報抽出(IE)において顕著な可能性を示す
従来の選択戦略は、しばしば、モデル誤認の重要な原因を見落としているため、情報的なガイダンスの提供に失敗する。
本稿では,イントロスペクティブ・混乱(introspective confusion)という原則に導かれる新しいアクティブ・プロンプト・フレームワークであるActive Prompting for Information extract(APIE)を紹介する。
論文 参考訳（メタデータ） (2025-08-10T02:27:41Z) - CAAD: Context-Aware Adaptive Decoding for Truthful Text Generation [31.469511576774252]
大規模言語モデルに対する文脈対応適応型復号法を提案する。
当社のアプローチは、TrathfulQAで平均2.8%の改善を実現しています。
モデルに依存しない,スケーラブルで,効率的な手法では,1世代パスしか必要としない。
論文 参考訳（メタデータ） (2025-08-04T08:28:25Z) - LAQuer: Localized Attribution Queries in Content-grounded Generation [69.60308443863606]
グラウンドドテキスト生成モデルは、しばしば元の資料から逸脱したコンテンツを生成し、正確性を保証するためにユーザの検証を必要とする。
既存の属性メソッドは、全文とソース文書を関連付けるが、これは特定のクレームを事実チェックしようとするユーザにとって圧倒的に多い。
これは、生成された出力の選択したスパンを対応するソーススパンにローカライズし、きめ細かな、ユーザ指向のアトリビューションを可能にする新しいタスクである。
論文 参考訳（メタデータ） (2025-06-01T21:46:23Z) - 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) - Few-Shot Optimized Framework for Hallucination Detection in Resource-Limited NLP Systems [1.0124625066746595]
本稿では,DeepSeek Few-shotの最適化を導入し,反復的なプロンプトエンジニアリングによりラベル生成の弱さを高める。
下流モデルの性能を大幅に向上させる高品質なアノテーションを実現する。
さらに、これらの最適化アノテーションに基づいてMistral-7B-Instruct-v0.3モデルを微調整し、リソース制限設定における幻覚を正確に検出する。
論文 参考訳（メタデータ） (2025-01-28T01:26:22Z) - Localizing Factual Inconsistencies in Attributable Text Generation [74.11403803488643]
本稿では,帰属可能なテキスト生成における事実の不整合をローカライズするための新しい形式であるQASemConsistencyを紹介する。
QASemConsistencyは、人間の判断とよく相関する事実整合性スコアを得られることを示す。
論文 参考訳（メタデータ） (2024-10-09T22:53:48Z) - 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) - FKA-Owl: Advancing Multimodal Fake News Detection through Knowledge-Augmented LVLMs [48.32113486904612]
本稿では,FKA-Owlを提案する。FKA-Owlは,偽情報を利用した大規模視覚言語モデル(LVLM)の拡張のためのフレームワークである。
パブリックベンチマークの実験では、FKA-Owlは従来の手法よりも優れたクロスドメイン性能を達成している。
論文 参考訳（メタデータ） (2024-03-04T12:35:09Z)
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。