Перевірюваність за задумом: великі мовні моделі з прив’язкою до доказів для пояснюваного виявлення фейкових новин
ExplAI 2025 · CEUR Workshop Proceedings 4141, с. 168-182
Стислий огляд дослідження
Перед навчанням класифікатора експерти перевіряють і уточнюють ознаки, отримані зі статей новин. Для кожного прогнозу мовна модель отримує впливові ознаки та відповідні фрагменти вихідного тексту, щоб сформувати пояснення. На LIAR і FakeNewsNet вимірюють якість класифікації та зв’язок пояснень із виділеними фрагментами.
Бібліографічне посилання
Формат цитування для вашого видання чи організації звірте із записом у видавця.
Andrii Shupta, Pavlo Radiuk, Miroslav Kvassay, Piotr Gaj. "Verifiable by Construction: Evidence-Anchored LLMs for Explainable Fake News Detection". ExplAI 2025 · CEUR Workshop Proceedings 4141, pp. 168-182, 2025.
Перевірте метод на вашій задачі.
Опишіть рішення, яке має підтримувати ваша система, та дані, з якими вона працює. Оцінимо придатність методу, визначимо обсяг прототипу й погодимо, як перевірити якість, час відповіді та вартість його роботи.