待验证50% 置信事实精确时间
arXiv论文《Leveraging LLM-Generated Explanations for Detecting Emotionally Rewritten Fake News》提出了一套利用大语言模型生成解释并通过门控交叉注意力机制整合信息的假新闻检测框架
1
来源数
50%
置信度
长期有效
时效性
2026/10/8
首次发现
来源
涉及实体
相关事实
待验证同一条虚假新闻在保留核心事实主张的前提下可被重写成不同的情感基调，这种情感改写可能动摇检测模型的鲁棒性75% 相似待验证现代情感分析系统通常基于Transformer架构的预训练语言模型（如BERT、GPT系列），通过在大规模标注数据集上微调来识别文本情感极性64% 相似待验证现代AI内容分析工具通过自然语言处理（NLP）技术分析评论情感倾向，通过协同过滤算法预测用户偏好，通过时序分析识别内容趋势63% 相似待验证情绪识别通过分析用户消息中的语气词、标点符号、负面关键词判断情绪倾向，作为转人工的安全阀机制61% 相似待验证创作者称模型能理解的情感标签远比公开文档列出的要多，存在未被官方记录却能被识别的隐藏标签61% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/986652API
curl https://kongchang.com/api/v1/knowledge/claims/986652MCP
get_claim(id=986652)