计算机工程

作者：许旻辰, 屈丹, 司念文, 彭思思, 陈雅淇

单位：1. 信息工程大学信息系统工程学院, 河南 郑州 4500002. 先进计算与智能工程(国家级)实验室, 河南 郑州 4500003. 清华大学电子工程系, 北京 100084

关键词：深度学习,自然语言处理,虚假信息检测,大语言模型,事实核查

基金：国家自然科学基金(62171470); 河南省中原科技创新领军人才项目(234200510019); 河南省自然科学基金面上项目(232300421240)

实现及时有效的虚假信息检测有助于遏止虚假信息传播, 降低社会危害。目前已有大量深度学习方法被用于虚假信息检测, 总结现有研究的检测原理和检测范式对于明确技术优化方向至关重要。因此, 结合虚假信息检测的原理和实现路径对现有研究进行全面综述, 并首次对大语言模型在该领域的应用进行总结对比。首先, 介绍虚假信息检测任务的相关概念, 并汇总分析常用虚假信息检测数据集的数据结构; 然后, 根据检测原理和实现方式, 分别介绍如何通过语义特征表示、辅助任务设计、内部知识推断和事实核查来检测文本和多模态虚假信息, 将其细化为10个子类别, 并总结分析各个子类别检测方法的潜在特性; 最后, 对基于深度神经网络和大语言模型的虚假信息检测范式进行总结, 对比两种检测范式的代表性方法在7个虚假信息检测数据集中的检测性能, 并归纳大语言模型检测虚假信息的优势和局限性, 展望大语言模型给虚假信息检测领域带来的机遇与挑战, 为后续研究提供参考。

来源：2026年第5期

《计算机工程》期刊编辑部

查看计算机工程杂志2026年第5期