README

本仓库为"Bad Actor, Good Advisor: Exploring the Role of Large Language Models in Fake News Detection"的实现，代码来源于https://github.com/ICTMCG/ARG

• Dataset

  • GPT数据集（原始论文数据集）
    • 原作者提供的数据集可通过 "Application to Use the Datasets from ARG for Fake News Detection" 获取
  • Qwen数据集
    • 通过Qwen生成的Rationale数据集可以通过https://github.com/LYQ1-ai/QwenVLRationaleGenerate自行生成

• Code

  • python==3.10.13

  • CUDA: 11.3

  • 预训练模型

    • bert-base-uncased 、 chinese-bert-wwm-ext 、[swinv2-tiny][https://huggingface.co/microsoft/swinv2-tiny-patch4-window16-256]

  • 通过Conda创建环境

    conda env create -f env.yaml

• Run

  • ARG Qwen Gossipcop

    python main.py --gpu 0 --seed 3759 --lr 5e-5 --model_name ARG --language en --root_path /home/lyq/DataSet/FakeNews/gossipcop --bert_path /home/lyq/Model/bert-base-uncased --data_name en-arg --data_type rationale --rationale_usefulness_evaluator_weight 1.5 --llm_judgment_predictor_weight 1.0 --save_log_dir /logs/json/arg_qwen_gossipcop --dataset arg_qwen_gossipcop --batchsize 64 --max_len 170

    • 需要替换的参数
      • bert_path: Bert所在文件夹
      • root_path：指定数据集根目录

  • ARG VL Qwen Gossipcop

    python main.py --gpu 0 --seed 3759 --lr 5e-5 --model_name ARG_VL --language en --root_path /home/lyq/DataSet/FakeNews/gossipcop --bert_path /home/lyq/Model/bert-base-uncased --data_name en-arg --data_type rationale --rationale_usefulness_evaluator_weight 1.5 --llm_judgment_predictor_weight 1.0 --save_log_dir /logs/json/arg_vl_qwen_gossipcop --dataset arg_qwen_gossipcop --image_encoder_path /home/lyq/Model/swinv2-tiny-patch4-window16-256 --batchsize 64 --max_len 170

    • 需要替换的参数
      • bert_path: Bert所在文件夹
      • root_path：指定数据集根目录
      • image_encoder_path: 指定图像预处理模型(如swinv2-tiny)路径