Cross-Dataset Generalization in Urdu Fake News Detection: An Empirical Study with XLM-RoBERTa and a Length Confound Analysis
Este artículo presenta el primer estudio de generalización entre conjuntos de datos para la detección de noticias falsas en urdu, revelando que un modelo entrenado con el conjunto de datos Ax-to-Grind falla catastróficamente cuando se aplica al conjunto de datos Notri-Fact debido a un confuso sistemático de longitud en los datos de entrenamiento que induce el aprendizaje de atajos, resaltando así fallos críticos en las prácticas actuales de construcción y evaluación de conjuntos de datos para el PLN de bajos recursos.