본 논문은 온라인 가짜 뉴스의 진화 과정을 이해하고 조기에 탐지 및 예방하기 위해, 실제 뉴스가 가짜 뉴스로 변하는 과정을 시뮬레이션하는 새로운 프레임워크인 FUSE (Fake news evolUtion Simulation framEwork)를 제시합니다. FUSE는 대규모 언어 모델(LLM) 기반으로, 정보를 퍼뜨리는 전파자, 해석을 제공하는 논평자, 사실 확인을 하는 검증자, 수동적으로 관찰하는 방관자 등 네 가지 유형의 LLM 에이전트를 활용하여 현실적인 일상적인 상호 작용을 시뮬레이션하고, 이를 통해 실제 뉴스가 점진적으로 왜곡되는 과정을 모델링합니다. 가짜 뉴스의 점진적인 왜곡을 정량화하기 위해 다양한 언어적 및 의미적 차원에서 진실 왜곡 정도를 측정하는 평가 프레임워크인 FUSE-EVAL을 개발했습니다. 실험 결과, FUSE는 가짜 뉴스 진화 패턴을 효과적으로 포착하고 알려진 가짜 뉴스를 정확하게 재현하며, 인간의 평가와 일치하는 결과를 보여줍니다. FUSE는 확장성이 뛰어나 가짜 뉴스의 더 넓은 시나리오에 대한 미래 연구를 가능하게 합니다.
