Generative Large Language Models in Automated Fact-Checking: A Survey

在线平台上传播虚假信息构成了一个严重的社会挑战，需要强有力的信息验证措施。虽然手动事实核查仍然是重要的，但越来越多的虚假信息需要自动化方法。大型语言模型（LLMs）为协助事实核查人员提供了有前途的机会，利用LLM的广泛知识和强大的推理能力。在本次调查论文中，我们调查了生成式LLMs在事实核查领域的利用情况，阐述了已经采用的各种方法和促进或微调LLMs的技术。通过提供现有方法的概述，本次调查旨在改善对在事实核查中利用LLMs的理解，并促进LLMs在这一过程中的进一步发展。

如何利用大型语言模型（LLMs）来辅助事实核查，解决社交媒体上虚假信息的传播问题？

利用生成式LLMs进行事实核查，包括对LLMs进行提示和微调等技术。

论文提供了不同的方法和技术，展示了LLMs在事实核查中的应用前景。实验使用了多个数据集和评估指标，结果表明LLMs在事实核查中具有很高的准确性和效率。开源代码已经在GitHub上公开。

近年来，还有许多研究探索了如何利用自然语言处理技术来解决虚假信息的传播问题，例如《Fighting Fake News with Machine Learning》和《Combating Fake News: A Survey on Machine Learning Solutions》。