Cross-Dataset Generalization in Urdu Fake News Detection: An Empirical Study with XLM-RoBERTa and a Length Confound Analysis
Cet article présente la première étude de généralisation trans-jeux de données pour la détection de fausses nouvelles en urdu, révélant qu'un modèle entraîné sur le jeu de données Ax-to-Grind échoue de manière catastrophique lorsqu'il est appliqué au jeu de données Notri-Fact en raison d'un biais systématique de longueur dans les données d'entraînement qui induit un apprentissage par raccourcis, mettant ainsi en évidence des failles critiques dans les pratiques actuelles de construction et d'évaluation de jeux de données pour le TAL à faibles ressources.