본 논문은 온라인 플랫폼 상의 가짜 뉴스, 극단적 편향 정보, 유해 콘텐츠 확산 문제에 대한 대응책으로 주목받는 대규모 언어 모델(LLM)의 성능을 다양한 모델, 사용 방법, 언어에 걸쳐 종합적으로 평가한 연구이다. 10개의 데이터셋과 5개 언어(영어, 스페인어, 포르투갈어, 아랍어, 불가리아어)를 사용하여 이원 및 다중 분류 시나리오에서 LLM의 적응 패러다임을 실험적으로 비교 분석했다. 매개변수 효율적인 미세 조정(Fine-Tuning)부터 제로샷 프롬프트, 코드북, 몇 샷 학습(임의 선택 및 DPP 기반 다양한 선택 예시 포함), 사고 연쇄(Chain-of-Thought) 등 다양한 컨텍스트 학습(In-Context Learning) 전략을 시험했다.
