江苏龙网

  1. 首页 > 人文看点 > >

AI生成的假新闻难以识别，那就用神经网络来对抗吧( 九 )

在这一设定下 ， 研究人员在训练中可以获得相对较弱的模型（Grover-Base或Grover-Large） 。 研究人员考虑了只有x个来自Grover-Mega的文本 ， 并从较弱的生成器模型中采样5000-x个文章 ， 采样阈值则对每一个文章都限定在[0.9,1.0]之间 。

研究人员在图5中展示了实验结果 。 结果说明 ， 当只有少量Grover-Mega生成器文本时 ， 从其他生成器获得的弱监督文本可以极大提升判别器的表现 。 16至256个Grover-Mega数据 ， 加上从Grover-Large获得的弱文本 ， 可以使模型得到约78%的准确率 ， 但没有弱文本时仅有50%的准确率 。 当来自Grover-Mega的文本数据增加时 ， 准确率可提升至92% 。

AI生成的假新闻难以识别，那就用神经网络来对抗吧

----AI生成的假新闻难以识别 ， 那就用神经网络来对抗吧//----江苏龙网 http://www.jiangsulong.com //

表1：在成对和不成对设置以及不同大小架构中判别器和生成器的结果 。 研究人员还调整了每对生成器和判别器的生成超参数 ， 并介绍了一组特殊的超参数 ， 它具有最低验证准确率的判别测试准确率 。 与其它模型（如BERT）相比 ， Grover最擅长识别自身生成的假新闻 。

AI生成的假新闻难以识别，那就用神经网络来对抗吧

----AI生成的假新闻难以识别 ， 那就用神经网络来对抗吧//----江苏龙网 http://www.jiangsulong.com //

本文原始标题为：AI生成的假新闻难以识别 ， 那就用神经网络来对抗吧---来源是：

本文原始标题为：AI生成的假新闻难以识别 ， 那就用神经网络来对抗吧---来源是：


推荐阅读


上一篇：原创 10岁二哈跟德牧抢妈妈，结果德牧赢了，谁还不是宝宝呢？

下一篇：中国房企未来发展之路：香港租售混合模式经验