Ottimizzazione di LLM per il Rilevamento Spiegabile di Disinformazione
I ricercatori propongono una pipeline per ottimizzare un Large Language Model (LLM) dedicato al rilevamento spiegabile di disinformazione. L'approccio prevede la raccolta di articoli verificati su larga scala, l'uso di più LLM potenti per generare previsioni di veridicità e motivazioni, e l'applicazione di una strategia di filtraggio per garantire dati di addestramento di alta qualità. Questo lavoro affronta la sfida della diffusione di disinformazione sui social media, andando oltre la tradizionale classificazione binaria a scatola nera verso spiegazioni trasparenti basate su motivazioni. Lo studio è pubblicato su arXiv con ID 2605.19285.
Fatti principali
- ID arXiv 2605.19285
- Propone una pipeline per ottimizzare un LLM per il rilevamento spiegabile di disinformazione
- Raccoglie articoli verificati su larga scala
- Utilizza più LLM potenti per generare previsioni e motivazioni
- Applica una strategia di filtraggio per dati di addestramento di alta qualità
- Affronta la disinformazione sui social media
- Migliora la trasparenza rispetto alla classificazione binaria a scatola nera
- Pubblicato come preprint arXiv
Entità
Istituzioni
- arXiv