本文是LLM系列文章，针对《Re-Search for The Truth: Multi-round Retrieval-augmented Large
Language Models are Strong Fake News Detectors》的翻译。
重新寻找真相：多轮检索增强的大型语言模型是强大的假新闻检测器
摘要
假新闻的泛滥对政治、经济和整个社会产生了深远的影响。虽然假新闻检测方法被用来缓解这一问题，但它们主要取决于两个基本要素：证据的质量和相关性，以及判决预测机制的有效性。传统方法通常从维基百科等静态存储库中获取信息，但受到过时或不完整数据的限制，尤其是对于新兴或罕见的声明。以其卓越的推理和生成能力而闻名的大型语言模型（LLM）为假新闻检测引入了一个新的前沿。然而，与传统方法一样，基于LLM的解决方案也要克服陈旧和长尾知识的局限性。此外，检索增强LLM经常遇到低质量证据检索和上下文长度限制等问题。为了应对这些挑战，我们引入了一种新颖的、可检索的改进LLM框架——这是同类框架中第一个自动和战略性地从网络来源中
标签：检索,Search,Language,Models,Re,LLM,假新闻,News,Strong From： https://blog.csdn.net/c_cpp_csharp/article/details/139290480