論文の概要: Propasafe-Hybrid: A Text-Based Hybrid Propaganda Detection Tool

• arxiv url: http://arxiv.org/abs/2610.33464v1
• Date: Sat, 24 Oct 2026 05:36:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 22:27:13.334145
• Title: Propasafe-Hybrid: A Text-Based Hybrid Propaganda Detection Tool
• Title（参考訳）: Propasafe-Hybrid:テキストベースのハイブリッドプロパガンダ検出ツール
• Abstract要約: Propasafe-Hybridは、プロパガンダ戦略を特定し、ラベル付けし、説明する文レベルのシステムである。 パイプラインは、ハイライトされた文、テクニックの割り当て、簡潔な合理性を含む実行可能な出力を生成する。
• 参考スコア（独自算出の注目度）: 4.140019225586578
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Propagandistic content increasingly circulates through online news and social media, where readers often encounter it with limited scrutiny, highlighting the need for reliable and fine-grained detection. This paper introduces Propasafe-Hybrid, a sentence-level system that integrates a fine-tuned transformer classifier with LLM-based technique classification to identify, label, and explain specific propaganda strategies. The pipeline generates actionable outputs, including highlighted sentences, technique assignments, and concise rationales, so users can immediately understand why a sentence was flagged and how each label was determined. To control inference cost, Propasafe-Hybrid employs a cost-aware pre-filtering stage that forwards only high-likelihood sentences to LLMs, reducing token usage while preserving the underlying decision logic. Together, these design choices enhance the explainability, efficiency, and practical usability of sentence-level propaganda detection in real-world news environments.
• Abstract（参考訳）: プロパガンダ的なコンテンツは、オンラインニュースやソーシャルメディアを通じてますます広まり、読者は限られた精査で遭遇し、信頼性ときめ細かい検出の必要性を強調している。 本稿では,特定のプロパガンダ戦略を識別し,ラベル付けし,説明するために,微調整トランスフォーマー分類器とLLM技術分類を統合した文レベルシステムPropasafe-Hybridを紹介する。 パイプラインは、ハイライトされた文、テクニックの代入、簡潔な合理性を含む実行可能な出力を生成するため、ユーザーは、なぜ文がフラグ付けされたのか、どのようにラベルが決められたのかを即座に理解することができる。 推論コストを制御するため、Propasafe-Hybridでは、LLMに高次文のみを転送するコスト対応の事前フィルタリングステージを採用している。 これらの設計選択は、実世界のニュース環境における文レベルのプロパガンダ検出の説明可能性、効率、実用性を高める。

関連論文リスト

• A Trustworthy Watermarking Framework for LLM-Generated Food Safety Content [15.174593961901031]
  ToSSは、適応的な二重透かしを用いた信頼性の高い認証手法である。 食品ドメインのテキストを含む複数のデータセットの実験は、TOSSが透かし容量と復号精度の両方で主要なパフォーマンスを達成することを実証している。
  論文  参考訳（メタデータ） (2026-09-06T16:27:57Z)
• Detecting LLM-Generated Tokens in Human--LLM Coauthored Text [11.447769496973137]
  LLM生成テキストを検出する既存の方法は、主に文書レベルの分類に焦点を当てており、LLMが生成するテキストのどの部分を識別できない。 本稿では,この緊急ニーズに対処する新しい手法を提案する。 提案手法は,現代言語モデルの自然な単位であるトークンレベルで動作し,既存のトークンレベルの検出スコアに基づいて構築する。
  論文  参考訳（メタデータ） (2026-07-23T16:01:16Z)
• A Survey on LLM Watermarking: Theory and Deployment [10.767016439964827]
  大規模言語モデル (LLMs) は、大規模にインパクトのある流動的なテキストに徐々に組み込まれている。 モデル出力に見えないシグネチャを埋め込んだLLMの透かしは、帰属、監査、下流の信頼決定のための有望な技術的レイヤである。 この調査は、LLMウォーターマーキングの体系的でデプロイメント指向のレビューを提供する。
  論文  参考訳（メタデータ） (2026-07-11T03:42:17Z)
• PromptCOS: Towards System Prompt Copyright Auditing for LLMs via Content-level Output Similarity [61.793486262641345]
  本稿では,コンテンツレベルの出力類似性に基づいたプロンプト著作権監査手法であるPromptCOSを提案する。 プロンプトを最適化し、特別な検証クエリとコンテントレベルの信号マークを同時に最適化することで、透かしを埋め込む。 PromptCOSは、著作権検証のために、疑わしい出力と信号マークの類似性を比較することによって、不正使用を識別する。
  論文  参考訳（メタデータ） (2025-09-03T08:19:40Z)
• Topic-Based Watermarks for Large Language Models [46.71493672772134]
  本稿では,Large Language Model (LLM) 出力のための軽量なトピック誘導型透かし方式を提案する。 本手法は,Google の SynthID-Text など,業界をリードするシステムに匹敵する難易度を実現する。
  論文  参考訳（メタデータ） (2024-04-02T17:49:40Z)
• Token-Level Adversarial Prompt Detection Based on Perplexity Measures and Contextual Information [67.78183175605761]
  大規模言語モデルは、敵の迅速な攻撃に影響を受けやすい。 この脆弱性は、LLMの堅牢性と信頼性に関する重要な懸念を浮き彫りにしている。 トークンレベルで敵のプロンプトを検出するための新しい手法を提案する。
  論文  参考訳（メタデータ） (2023-11-20T03:17:21Z)
• Gen-Z: Generative Zero-Shot Text Classification with Contextualized Label Descriptions [50.92702206798324]
  ゼロショットテキスト分類のための生成的プロンプトフレームワークを提案する。 GEN-Zはラベルの自然言語記述に基づく入力テキストのLM可能性を測定する。 データソースの文脈化によるゼロショット分類は、ゼロショットベースラインと少数ショットベースラインの両方を一貫して上回っていることを示す。
  論文  参考訳（メタデータ） (2023-11-13T07:12:57Z)
• Exploiting Low-confidence Pseudo-labels for Source-free Object Detection [54.98300313452037]
  Source-free Object Detection (SFOD) は、ラベル付きソースデータにアクセスすることなく、未ラベルのターゲットドメインにソーストレーニングされた検出器を適応することを目的としている。 現在のSFOD法は適応相におけるしきい値に基づく擬似ラベル手法を用いる。 疑似ラベルを最大限に活用するために,高信頼度と低信頼度しきい値を導入する手法を提案する。
  論文  参考訳（メタデータ） (2023-10-19T12:59:55Z)
• Interpretable Propaganda Detection in News Articles [30.192497301608164]
  本稿では, 解釈可能性を提供する手段として, 偽造手法を検知し, 利用することを提案する。 我々の解釈可能な特徴は、事前訓練された言語モデルと簡単に組み合わせられ、最先端の結果が得られる。
  論文  参考訳（メタデータ） (2021-08-29T09:57:01Z)
• Leveraging Declarative Knowledge in Text and First-Order Logic for Fine-Grained Propaganda Detection [139.3415751957195]
  本稿では,ニュース記事中のプロパガンダ的テキスト断片の検出について検討する。 本稿では,詳細なプロパガンダ手法の宣言的知識を注入する手法を提案する。
  論文  参考訳（メタデータ） (2020-04-29T13:46:15Z)

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。