Buchumschlag

Evaluating the Efficacy of Large Language Models in Detecting Fake News: A Comparative Analysis

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Koka, Sahas, Vuong, Anthony, Kataria, Anish
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computation and Language Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Fake News Detection: Comparative Evaluation of BERT-like Models and Large Language Models with Generative AI-Annotated Data
von: Raza, Shaina, et al.
Veröffentlicht: (2024)

Adapting Fake News Detection to the Era of Large Language Models
von: Su, Jinyan, et al.
Veröffentlicht: (2023)

Large Language Model Agent for Fake News Detection
von: Li, Xinyi, et al.
Veröffentlicht: (2024)

Fake News Detection and Manipulation Reasoning via Large Vision-Language Models
von: Jin, Ruihan, et al.
Veröffentlicht: (2024)

From Deception to Detection: The Dual Roles of Large Language Models in Fake News
von: Sallami, Dorsaf, et al.
Veröffentlicht: (2024)

MegaFake: A Theory-Driven Dataset of Fake News Generated by Large Language Models
von: Wang, Lionel Z., et al.
Veröffentlicht: (2024)

Measuring Large Language Models Capacity to Annotate Journalistic Sourcing
von: Vincent, Subramaniam, et al.
Veröffentlicht: (2024)

Adversarial Style Augmentation via Large Language Model for Robust Fake News Detection
von: Park, Sungwon, et al.
Veröffentlicht: (2024)

Bad Actor, Good Advisor: Exploring the Role of Large Language Models in Fake News Detection
von: Hu, Beizhe, et al.
Veröffentlicht: (2023)

Lifelong Evolution: Collaborative Learning between Large and Small Language Models for Continuous Emergent Fake News Detection
von: Zhou, Ziyi, et al.
Veröffentlicht: (2025)

Each Fake News is Fake in its Own Way: An Attribution Multi-Granularity Benchmark for Multimodal Fake News Detection
von: Guo, Hao, et al.
Veröffentlicht: (2024)

Large Visual-Language Models Are Also Good Classifiers: A Study of In-Context Multimodal Fake News Detection
von: Jiang, Ye, et al.
Veröffentlicht: (2024)

Heterogeneous Subgraph Transformer for Fake News Detection
von: Zhang, Yuchen, et al.
Veröffentlicht: (2024)

Evaluating the Efficacy of Large Language Models in Identifying Phishing Attempts
von: Patel, Het, et al.
Veröffentlicht: (2024)

Re-Search for The Truth: Multi-round Retrieval-augmented Large Language Models are Strong Fake News Detectors
von: Li, Guanghua, et al.
Veröffentlicht: (2024)

Regional Tiny Stories: Using Small Models to Compare Language Learning and Tokenizer Performance
von: Patil, Nirvan, et al.
Veröffentlicht: (2025)

FineFake: A Knowledge-Enriched Dataset for Fine-Grained Multi-Domain Fake News Detection
von: Zhou, Ziyi, et al.
Veröffentlicht: (2024)

MCFEND: A Multi-source Benchmark Dataset for Chinese Fake News Detection
von: Li, Yupeng, et al.
Veröffentlicht: (2024)

A Graph-Enhanced Defense Framework for Explainable Fake News Detection with LLM
von: Wang, Bo, et al.
Veröffentlicht: (2026)

Ax-to-Grind Urdu: Benchmark Dataset for Urdu Fake News Detection
von: Harris, Sheetal, et al.
Veröffentlicht: (2024)

FactGuard: Event-Centric and Commonsense-Guided Fake News Detection
von: He, Jing, et al.
Veröffentlicht: (2025)

Towards Real-Time Fake News Detection under Evidence Scarcity
von: Wei, Guangyu, et al.
Veröffentlicht: (2025)

LLM Reasoners: New Evaluation, Library, and Analysis of Step-by-Step Reasoning with Large Language Models
von: Hao, Shibo, et al.
Veröffentlicht: (2024)

Multi-view autoencoders for Fake News Detection
von: Pereira, Ingryd V. S. T., et al.
Veröffentlicht: (2025)

Detect, Investigate, Judge and Determine: A Knowledge-guided Framework for Few-shot Fake News Detection
von: Liu, Ye, et al.
Veröffentlicht: (2024)

Evaluating Concurrent Robustness of Language Models Across Diverse Challenge Sets
von: Gupta, Vatsal, et al.
Veröffentlicht: (2023)

Breaking the Fake News Barrier: Deep Learning Approaches in Bangla Language
von: Mondal, Pronoy Kumar, et al.
Veröffentlicht: (2025)

Evaluating Large Language Models for Detecting Antisemitism
von: Patel, Jay, et al.
Veröffentlicht: (2025)

AMPLE: Emotion-Aware Multimodal Fusion Prompt Learning for Fake News Detection
von: Xu, Xiaoman, et al.
Veröffentlicht: (2024)

External Reliable Information-enhanced Multimodal Contrastive Learning for Fake News Detection
von: Cao, Biwei, et al.
Veröffentlicht: (2025)

Is LLMs Hallucination Usable? LLM-based Negative Reasoning for Fake News Detection
von: Zhang, Chaowei, et al.
Veröffentlicht: (2025)

An Empirical Analysis on Large Language Models in Debate Evaluation
von: Liu, Xinyi, et al.
Veröffentlicht: (2024)

An Empirical Analysis of Uncertainty in Large Language Model Evaluations
von: Xie, Qiujie, et al.
Veröffentlicht: (2025)

Detecting PTSD in Clinical Interviews: A Comparative Analysis of NLP Methods and Large Language Models
von: Chen, Feng, et al.
Veröffentlicht: (2025)

FaKnow: A Unified Library for Fake News Detection
von: Zhu, Yiyuan, et al.
Veröffentlicht: (2024)

Boosting Self-Efficacy and Performance of Large Language Models via Verbal Efficacy Stimulations
von: Chen, Rui, et al.
Veröffentlicht: (2025)

LiveFact: A Dynamic, Time-Aware Benchmark for LLM-Driven Fake News Detection
von: Xu, Cheng, et al.
Veröffentlicht: (2026)

Evaluating the Efficacy of AI Techniques in Textual Anonymization: A Comparative Study
von: Asimopoulos, Dimitris, et al.
Veröffentlicht: (2024)

Out-of-distribution Evidence-aware Fake News Detection via Dual Adversarial Debiasing
von: Liu, Qiang, et al.
Veröffentlicht: (2023)

PCoT: Persuasion-Augmented Chain of Thought for Detecting Fake News and Social Media Disinformation
von: Modzelewski, Arkadiusz, et al.
Veröffentlicht: (2025)