摘要
尽管大规模预训练语言模型（LLMs）在多种自然语言处理任务中展现出卓越性能，但在虚假信息检测领域仍鲜有深入探索。本文研究了基于上下文学习（In-Context Learning, ICL）的LLMs在新闻事实核查任务中的应用，发现仅需4个示范样例，若干提示方法即可达到与以往监督学习模型相当的性能。为进一步提升模型表现，我们提出一种分层逐步推理（Hierarchical Step-by-Step, HiSS）提示方法，该方法引导LLMs将待验证的声明拆解为多个子声明，并通过多轮问答步骤逐步对每个子声明进行验证。在两个公开的虚假信息数据集上的实验结果表明，HiSS提示方法在性能上超越了当前最先进的全监督方法以及表现强劲的少样本ICL基线模型。