一种基于大语言模型负面推理的假新闻检测方法

本发明公开了一种基于大语言模型负面推理的假新闻检测方法，包括1）推理生成：选取带有真实标签的新闻作为监督数据；设计提示模板，根据新闻内容及其真实标签生成对应的正面推理和负面推理；2）利用包含标签信息的自增强推理修正方法，检查推理的极性是否与预设一致，并评估其对评分的影响是否符合置信度变化的限制；3）构建教师模型，使用预训练模型对新闻及其正面推理和负面推理进行编码；4）将教师模型中对推理学习到的语义知识传递到学生模型中，学生模型通过蒸馏过程继承教师模型的核心参数与知识，并直接对新闻内容进行预测。本发明利用了大语言模型在知识幻觉状态下生成的负面推理，能够更有效地识别和检测假新闻。