Negace tvrzení pro automatizované ověřování faktů

Abstract

Tato diplomová práce zkoumá techniky negace tvrzení pro automatizované systémy ověřování faktů. V době, kdy šíření dezinformací nadále představuje výzvu pro společnosti po celém světě, se účinná automatizovaná řešení stávají stále důležitějšími. Výzkum prezentovaný v této práci zkoumá, jak lze velké jazykové modely (LLM) využít ke generování a ověřování tvrzení, se zvláštním zaměřením na techniky vytváření nepravdivých tvrzení prostřednictvím kontrolované manipulace s faktickými výroky. Navrhovaná metodologie prokazuje významné zlepšení přesnosti ve srovnání s tradičními přístupy a poskytuje základ pro robustnější automatizované systémy ověřování faktů.This thesis explores claim negation techniques for automated fact-checking systems. As the proliferation of misinformation continues to challenge societies worldwide, efficient automated solutions have become increasingly important. The research presented here investigates how large language models (LLMs) can be leveraged to generate and validate claims, with a particular focus on techniques for creating negative claims through controlled manipulation of factual statements. The proposed methodology demonstrates significant improvements in accuracy compared to traditional approaches, providing a foundation for more robust automated fact-checking systems.