arXiv cs.CLは2026年10月7日(現地時間)付けで、Yupei Guo氏らによる「Leveraging LLM-Generated Explanations for Detecting Emotionally Rewritten Fake News」と題する論文を公開した。この研究は、事実関係を維持しながら感情的に書き換えられたニュース記事を検出する新たな手法として、LLM (大規模言語モデル) で生成された説明文を活用する。既存のフェイクニュース検出モデルが感情的な文体変化によって堅牢性を損なう可能性を指摘し、その課題に対処することを目的としている。
Yupei Guo氏ら著者陣は、感情的に書き換えられたテストセットを構築し、元の記事から安定した背景知識として説明文を生成するアプローチを採用した。提案されたGated Cross Attention (GCA) フレームワークは、感情的に再構成されたニュースと対応する説明文を適応的に統合する。これにより、モデルは有益な説明内容に焦点を合わせ、感情的な再構成によって生じる可能性のある不一致を低減することを目指す。
PolitiFact、GossipCop、LUNといったデータセットを用いた実験では、提案手法がPolitiFactとLUNにおける複数の感情条件下で著しい改善を達成したことが示された。GossipCopにおいても競争力のある性能を維持している。研究では、異なる感情条件下での説明文のガイダンス効果とゲーティングメカニズムについても分析を行っている。論文で用いられたコードとデータは、GitHub上で公開されている。
参考: arXiv cs.CL — 2026年10月8日 13:00 (JST)
原文ハイライト"The spread of fake news may cause severe social consequences."