論文の概要: MANTIS: Multi-Axis News Transformations for Instance-Wise Stress Testing and Worst-Case Training in Fake News Detection

• arxiv url: http://arxiv.org/abs/2610.35475v1
• Date: Mon, 26 Oct 2026 14:09:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 22:27:14.021371
• Title: MANTIS: Multi-Axis News Transformations for Instance-Wise Stress Testing and Worst-Case Training in Fake News Detection
• Title（参考訳）: MANTIS:フェイクニュース検出におけるケースワイズストレステストとWorst-Case Trainingのためのマルチ軸ニュース変換
• Abstract要約: 我々は、オリジナルのニュースと書き起こしスタイル、感情表現、普及度にまたがって書き直されたビューを組み合わせたマルチアクシス・プレゼンテーション・アタック・ベンチマークを構築した。 MANTISも提案する。MANTISは、インスタンス適応型対向フレームワークで、各ニュース記事に合わせて、推論時間のオーバーヘッドをゼロに調整できる動的最悪ケーストレーニングを可能にする。 実験の結果、MANTIS は GossipCop 上の SheepDog と比較して北軍の攻撃成功率 (UASR) を3.55 ポイント削減し、マクロF1 上の単一軸防御よりも一貫して優れていた。
• 参考スコア（独自算出の注目度）: 11.18669294435235
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Automated fake news detection is vital on social media, where fake news is easily rewritten to fool detectors. However, existing approaches typically rely on superficial writing cues or single-style text rewrites, resulting in poor robustness under diverse cosmetic modifications. We construct MANTIS-Bench, a multi-axis presentation-attack benchmark that pairs original news with rewritten views across writing style, emotional expression, and dissemination framing. We further propose MANTIS, an instance-adaptive adversarial framework enabling dynamic worst-case training tailored to each news article with zero inference-time overhead. This reframes fake news defense from heuristic format smoothing into targeted, fact-invariant credibility assessment. Experiments on MANTIS-Bench show that MANTIS reduces the Union Attack Success Rate (UASR) by 3.55 percentage points relative to SheepDog on GossipCop and consistently outperforms prior single-axis defenses on Macro-F1 while maintaining competitive clean accuracy, demonstrating the effectiveness of multi-axis and instance-adaptive worst-case training.
• Abstract（参考訳）: ソーシャルメディアでは、偽ニュースの自動検出が不可欠で、偽ニュースはばかげた検知器に簡単に書き直される。 しかし、既存のアプローチは表面的な筆記法や単行本文の書き直しに依存しており、多彩な美的修正の下では頑丈さが劣る。 我々はMANTIS-Benchというマルチアクシス・プレゼンテーション・アタック・ベンチマークを構築し、オリジナルのニュースと書き起こしスタイル、感情表現、拡散フレーミングにまたがって書き直したビューをペアリングする。 さらに,インスタンス適応型対向フレームワークであるMANTISを提案する。 これは、偽ニュース防衛をヒューリスティックな形式から、ターゲットとする事実不変の信頼性評価にスムーズなものに再構成する。 MANTIS-Benchの実験では、MANTISはGossipCop上のSheepDogと比較してユニオンアタック成功率(UASR)を3.55ポイント削減し、競争力のあるクリーンな精度を維持しつつ、マルチアクセントとインスタンス適応の最悪のトレーニングの有効性を実証しながら、マクロF1の単一軸防御を一貫して上回っている。

関連論文リスト

• Many Ways to Be Fake: Benchmarking Fake News Detection Under Strategy-Driven AI Generation [6.008764313661662]
  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。
  論文  参考訳（メタデータ） (2026-04-10T17:36:00Z)
• Fake News in Sheep's Clothing: Robust Fake News Detection Against LLM-Empowered Style Attacks [60.14025705964573]
  SheepDogは、ニュースの正確性を決定する際に、スタイルよりもコンテンツを優先する、スタイルに反する偽ニュース検出ツールだ。 SheepDog はこのレジリエンスを,(1) LLM を利用したニュースリフレーミング,(2) 異なるスタイルに対応する記事のカスタマイズによる学習プロセスへのスタイル多様性の注入,(2) スタイルの異なるリフレーミング間で一貫した妥当性予測を保証するスタイル非依存のトレーニング,(3) LLM からコンテンツ中心のガイドラインを抽出して偽ニュースを抽出するコンテンツ中心の属性を通じて達成する。
  論文  参考訳（メタデータ） (2023-10-16T21:05:12Z)
• 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)
• Verifying the Robustness of Automatic Credibility Assessment [50.55687778699995]
  入力テキストにおける意味保存的変化がモデルを誤解させる可能性があることを示す。 また、誤情報検出タスクにおける被害者モデルと攻撃方法の両方をテストするベンチマークであるBODEGAについても紹介する。 我々の実験結果によると、現代の大規模言語モデルは、以前のより小さなソリューションよりも攻撃に対して脆弱であることが多い。
  論文  参考訳（メタデータ） (2023-03-14T16:11:47Z)
• In and Out-of-Domain Text Adversarial Robustness via Label Smoothing [64.66809713499576]
  多様なNLPタスクの基本モデルにおいて,ラベルの平滑化戦略によって提供される対角的ロバスト性について検討する。 実験の結果,ラベルのスムース化は,BERTなどの事前学習モデルにおいて,様々な攻撃に対して,逆方向の堅牢性を大幅に向上させることがわかった。 また,予測信頼度とロバスト性の関係を解析し,ラベルの平滑化が敵の例に対する過度な信頼誤差を減少させることを示した。
  論文  参考訳（メタデータ） (2022-12-20T14:06:50Z)
• 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)

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。