基于 LLM 的few-shot早期谣言检测：仿射智能体
计算与语言
2026-01-30 v2 人工智能
摘要
早期谣言检测（EARD）旨在识别基于社交媒体帖子序列，在最早的时点准确地对某一主张进行分类。这在数据稀缺的情形下尤为具有挑战性。虽然大型语言模型（LLM）在few-shot NLP 任务中表现良好，但它们不适用于时间序列数据，且在训练和推理方面计算成本高昂。本文提出一种新型EARD 框架，将自主智能体与 LLM 检测模型结合，其中智能体充当负责 \textit{早期时点确定} 的可靠决策者，而 LLM 则充当强大的 \textit{谣言检测器}。该方法为few-shot EARD 提供了首个解决方案，仅需训练轻量级智能体，LLM 可保持无需训练。广泛的实验在四个真实数据集上表明，我们的方法在各类 LLM 上提升了性能，并在准确率和及时性方面超越了现有的 EARD 方法。
关键词
引用
@article{arxiv.2512.18352,
title = {LLM-based Few-Shot Early Rumor Detection with Imitation Agent},
author = {Fengzhu Zeng and Qian Shao and Ling Cheng and Wei Gao and Shih-Fen Cheng and Jing Ma and Cheng Niu},
journal= {arXiv preprint arXiv:2512.18352},
year = {2026}
}
备注
Accepted at KDD 2026