Comparisons Between Open-LLMs For Fake News Detection
Notice bibliographique
Résumé
The spread of fake news on social media is a growing concern with significant negative societal impacts. To address this challenge, researchers have proposed various methods and algorithms for fake news detection. Recently, large language models (LLMs) have emerged as promising tools for both detecting and explaining fake news. This paper presents results from classification and explanation of true and fake news using three LLMs—Mistral, LLaMA3, and LLaMA4—applied through zero-shot prompting via Together.ai. The models analyzed 1,228 claims from the Fin-Fact dataset, evenly divided between real and fake news. Our findings are threefold. First, none of the three LLMs achieved strong classification performance, with LLaMA4 recording F1-score of 0.59 for fake news and 0.51 for true news. Second, in terms of explanation quality, LLaMA4 outperformed the other models, achieving the highest METEOR score (0.072), also obtained the lowest negative COMET score (–0.260) demonstrating improvement over its predecessor, LLaMA3. Third, all models consistently performed better on fake news than on true news, a counterintuitive outcome, since fake news is generally considered more challenging to interpret. This consistency across metrics, METEOR, BERTScore F1 and COMET, reinforces the validity of this observation. The relatively high BERTScore F1 (0.6+) indicated that all models produced semantically consistent explanations. However, both METEOR and COMET scores were very low relative to their respective scales, suggesting that the LLMs’ justifications differed in wording and judgment from those in Fin-Fact. Those metrics are designed for short and precise texts and are unsuitable for evaluating the long narrative justifications present in the Fin-Fact dataset.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,011 | 0,041 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,006 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,008 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,003 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».