본 논문은 대규모 언어 모델(LLM)의 환각(hallucination) 현상이 가짜 뉴스 탐지에 활용될 수 있는 가능성을 제시합니다. LLM의 환각으로 인해 발생하는 비합리적인 추론(negative reasoning)을 활용하여 가짜 뉴스를 탐지하는 새로운 방법을 제안합니다. 이를 위해, 공통적인 합리적인 추론과 잘못된 이해를 모두 생성하는 지도학습 기반 자기 강화 추론 수정 접근 방식(SR³)을 제안하고, 이를 바탕으로 긍정적 또는 부정적 뉴스 추론 쌍을 활용하여 의미 일관성을 학습하는 부정적 추론 기반 뉴스 학습 모델(NRFE)을 제시합니다. 라벨에 의존적인 추론의 영향을 피하기 위해, NRFE에서 지식을 증류하여 뉴스 내용만을 입력으로 받는 학생 모델(NRFE-D)을 추가적으로 제시합니다. 세 개의 가짜 뉴스 데이터셋에서 실험을 진행하여 제안된 방법의 우수성을 검증합니다.
