大規模言語モデル時代におけるテキスト信頼性信号を用いた自動信頼性評価に関する調査【JST機械翻訳】

Srba Ivan; Razuvayevskaya Olesya; Leite Joao A.; Moro Robert; Schlicht Ipek Baris; Tonelli Sara; Garcia Francisco Moreno; Lottmann Santiago Barrio; Teyssou Denis; Porcellini Valentin; Scarton Carolina; Bontcheva Kalina; Bielikova Maria

プレプリント

J-GLOBAL ID：202402220647221687 整理番号：24P0257987

大規模言語モデル時代におけるテキスト信頼性信号を用いた自動信頼性評価に関する調査【JST機械翻訳】

A Survey on Automatic Credibility Assessment Using Textual Credibility Signals in the Era of Large Language Models

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

arXiv掲載論文の撤回有無については、一次情報をご確認下さい。

著者 (13件)： , , , , , , , , , , , ,
資料名：
発行年： 2025年10月13日プレプリントサーバーでの情報更新日： 2025年10月14日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

ソーシャルメディアと生成的AIの時代において,オンラインコンテンツの信頼性を自動的に評価する能力はますます重要になり,誤った情報検出への従来のアプローチを補完している。信憑性評価は,多様な信頼性信号-コンテンツ主観性,バイアス,説得技術の存在のような情報の小さな単位-を最終的な信頼性ラベル/スコアに集約することに依存している。しかしながら,自動信頼性評価と信頼性信号検出における現在の研究は,隔離において研究される多くの信号と統合の欠如で,高度に断片化されたままである。特に,複数の信頼性信号を同時に検出し集約するアプローチが不足している。これらの課題は,共通の枠組みの下でこれらの研究努力を結び付け,共通の傾向,課題,および未解決の問題を特定する研究作業の包括的で最新の概要の欠如により,さらに深刻化している。本サーベイでは,大規模言語モデル(LLM)の進歩により急速な変換を受ける自然言語処理(NLP)の分野におけるテキスト信頼性信号に焦点を合わせて,175の研究論文のシステマティックで包括的な文献レビューを提示することにより,このギャップに取り組んだ。NLP研究をより広い学際的景観に位置付けている間に,筆者らは信頼性信号の9つのカテゴリーの検出と同様に自動信頼性評価法の両方を調べた。3つの主要なカテゴリーの徹底した分析を提供した。1)事実性,主観性とバイアス,2)説得技術と論理的誤信,3)チェック価値と事実チェッククレーム。既存手法,データセット,ツールの要約に加えて,生成的AIがもたらす挑戦課題の進化に特に注意を払って,将来研究方向および新興機会の概要を示した。【JST機械翻訳】

, , , , , , , , ,
, , , , , 【Automatic Indexing@JST】

信号,保安 , 電気・電子部品一搬

, ,

ライセンス情報：

前のページに戻る