2026 · ενημέρωση 10 Σεπ 2026
LLM-Fake-News-Detector
Τρία μοντέλα, μια ετυμηγορία από το καθένα, και ένας έλεγχος για το αν έμαθαν το σωστό πράγμα.
Το πρόβλημα
Μια πανεπιστημιακή εργασία με στόχο ακρίβειας 85%. Τα μοντέλα τον ξεπέρασαν εύκολα, και αυτό ήταν το πρόβλημα: τόσο υψηλά σκορ σε στατικό dataset συνήθως σημαίνουν ότι το μοντέλο βρήκε μια συντόμευση.
Πώς δουλεύει
- Κείμενο άρθρου
- TextPreprocessor
- TF-IDF + LogRegBiLSTMBERT
- Flask: τρεις ετυμηγορίες
Ένας ModelOrchestrator κρατά ένα μητρώο τριών wrappers πίσω από μία διεπαφή, τα φορτώνει σε νήμα στο παρασκήνιο και ζητά από το καθένα ετικέτα και βεβαιότητα. Για να προστεθεί μοντέλο αρκεί να μπει στο μητρώο, χωρίς να αγγιχτεί η λογική γύρω του.
Τα δύσκολα σημεία
- 01
Εντοπισμός των συντομεύσεων
Σε άρθρα εκτός dataset, οι ετυμηγορίες άλλαζαν για λόγους που δεν είχαν σχέση με την αλήθεια. Το SHAP έδειξε γιατί: ονόματα εκδοτών όπως «Reuters» και οι παύλες από τις γραμμές ημερομηνίας καθόριζαν τις προβλέψεις.
- 02
Αφαίρεση του σήματος
Ένα regex αφαιρεί το πρόθεμα της γραμμής ημερομηνίας (έως 35 χαρακτήρες πριν από μια παύλα), και μετά URLs, HTML και σημεία στίξης, πριν την εκπαίδευση και πριν την πρόβλεψη, ώστε η συντόμευση να μην υπάρχει σε καμία άκρη.
- 03
Από 1,5 δευτερόλεπτο σε 10 χιλιοστά
Το BERT φορτώνεται μία φορά, «ζεσταίνεται» με μια ψεύτικη είσοδο και μένει στη μνήμη, σε νήμα στο παρασκήνιο ώστε ο server να ξεκινά αμέσως. Η πρόβλεψη έπεσε από περίπου 1,5 s σε 8–10 ms.
Αποφάσεις και συμβιβασμοί
Τρία μοντέλα, όχι ένα
Το baseline δείχνει τι μπορούν ήδη να κάνουν τα φθηνά χαρακτηριστικά, και η διαφωνία των τριών είναι από μόνη της χρήσιμη πληροφορία για τον αναγνώστη.
Κάθε μοντέλο αποτυγχάνει μόνο του
Κάθε μοντέλο αναφέρει τη δική του κατάσταση. Αν το BERT δεν φορτώσει, τα άλλα δύο απαντούν κανονικά και η σελίδα λέει ποιο λείπει.
Όποιο υλικό υπάρχει
Το BERT επιλέγει CUDA, MPS της Apple ή CPU κατά την εκκίνηση, οπότε ο ίδιος κώδικας τρέχει σε laptop και σε μηχάνημα με GPU.
Τι δεν κάνει ακόμα
- Η ακρίβεια σε στατικό test set λέει λίγα για πραγματικά άρθρα· ένα νέο test set με ημερομηνίες θα ήταν το έντιμο μέτρο σύγκρισης.
- Οι εξηγήσεις του SHAP βρίσκονται στα notebooks, όχι στην web εφαρμογή.