摘要:
摘要 研究背景与问题:社交媒体平台上虚假新闻泛滥,对社会产生显著负面影响;传统基于小型语言模型(SLMs)的深度学习方法需大量监督训练,且难以适应快速变化的环境;大型语言模型(LLMs)虽具备强大零样本能力,但因缺乏相关演示及知识的动态性,无法有效识别虚假新闻。 提出的解决方案:构建新型框架 “多轮 阅读全文
posted @ 2025-12-09 16:12
Blairs
阅读(10)
评论(0)
推荐(0)
摘要:
摘要 研究背景:网络平台虚假信息快速传播,破坏个体信任并阻碍理性决策,传统检测方法存在局限性。 核心方法:提出可解释且计算高效的检测流程,采用基于 Transformer 的预训练语言模型(PLMs),对 RoBERTa 和 DistilBERT 进行两步优化: 第一步:冻结模型骨干网络,仅训练分类 阅读全文
posted @ 2025-12-09 14:51
Blairs
阅读(3)
评论(0)
推荐(0)

浙公网安备 33010602011771号