arXiv 机器学习AI 评分 60/10009月28日 12:00

融合跨学科理论的虚假新闻计算建模、检测与解释框架

虚假信息检测技术虽准确率不断提升，但往往缺乏可解释性，且与心理学、传播学等传统理论脱节。该研究提出了一种理论驱动的计算框架，通过结构化梳理社会科学、心理学和经济学等领域的虚假新闻理论，利用统计技术与大语言模型将其转化为可量化的特征，旨在实现更具可解释性与理论依据的虚假信息自动化检测与分析。

推荐理由将跨学科理论与大模型结合以提升虚假新闻检测的可解释性，是AI内容治理领域具有参考价值的研究视角。

原标题：Fake News Theories: Harnessing Disciplinary Insights for Computational Modeling, Detection, and Explanation

arXiv 自然语言处理09月28日 12:00

虚假评论检测综述：从预训练语言模型到大模型时代

本综述从信息融合视角系统梳理了虚假评论检测技术的发展脉络，涵盖211篇相关研究。文章指出大语言模型（LLM）从双向改变了该领域格局：一方面LLM能够生成高度流畅且符合上下文的欺骗性评论，加剧了平台治理难度；另一方面，预训练模型与大模型也提供了更强大的语义表征能力，推动了检测技术的升级。