Apr, 2023

智能外骨骼：利用元认知代理探索抵制信息误导的策略

PDF
TL;DR本研究提出了一个基于元认知理论的反错误信息代理人，并在 Twitter 上进行了实验评估。结果表明，单一策略并不优于对照组，透明和清晰的逻辑对用户参与至关重要，同时也确认了人们对于重复接触错误信息和缺乏用户参与的担忧。
misinformationsocial media platformsanti-misinformation agentmetacognitionuser engagement
发现论文，激发创造
  • 反虚假信息代理所基于共识解释的信任与依赖

    探讨了针对社交媒体的元认知智能代理增强系统中共识幻觉的问题，该代理是一款可解释 AI 系统，提供社交媒体内容误导的决策解释，结果显示信任对共识幻觉没影响，但依赖关系对共识幻觉有影响，研究结果可指导用户中心的解释设计。

    Apr, 2023

  • 运用有说服力的写作策略进行虚假信息检测

    本研究旨在利用自然语言处理技术，通过对语言文本中的说服写作技巧进行分类，进一步提高自动化的谣言检测的准确性与可理解性。通过利用 RoBERTa 模型的高性能，本研究提出了多种基于语言模型的基准测试，研究表明标注分类的数据可以提高谣言检测的准确性与可理解性。

    Nov, 2022

  • 误导性信息作为信息污染

    社交媒体的信息流算法是为了最大化广告收益而设计的，具有提高争议性帖子包括误导的倾向。 通过将误导信息视为信息污染，我们可以将其与碳税等对抗污染的环境政策进行类比，提出对误导信息的 Pigouvian 税，以激励社交媒体公司更有效地控制误导信息的传播。

    Jun, 2023

  • 社交网络中检测谣言的可解释化模态框架

    本文介绍了一种基于多模态视角的自动虚假信息检测方法，提出了一种基于可解释性方法的虚假信息分类框架，从而增加决策的可解释性和完整性。

    Dec, 2022

  • 基于语言敏感的代理模型用于在线社交网络的数字克隆和虚假信息传播研究

    我们开发了一个模拟框架，用于研究在线社交网络中的虚假信息传播，结合基于代理的建模和自然语言处理技术。

    Jan, 2024

  • 可解释的多模态逻辑推理误信息检测

    提出一种新颖的基于逻辑的神经模型，该模型将可解释的逻辑子句集成到目标任务的推理过程中，以检测多模态误解信息，通过在神经表示中参数化符号逻辑元素来实现学习的有效性，并引入五个元预测以使我们的框架具有多样性。

    May, 2023

  • 揭开社交机器人研究中的误解

    本文揭示和纠正了社交机器人研究中的一些事实错误和方法论和概念问题，并消除了普遍的误解，强调了社交机器人研究的意义和正确的方法和方向。

    Mar, 2023

  • 解释是否是解决方案？短期和长期中的错误信息缓解

    本研究比较了使用警告标签和由 GPT-4 生成的最新对抗解释来揭穿虚假信息的效果，结果表明这两种干预方法在短期和长期内都能显著减少参与者对虚假主张的自我报告信任，进一步讨论了这些发现的意义和未来基于自然语言处理的虚假信息揭穿策略的发展方向。

    Oct, 2023

  • 在 Twitter 的对话中识别针对 COVID-19 疫苗的虚假信息的接受或拒绝

    本文介绍了一种基于态度一致性和神经网络的新框架，用于识别有关 COVID-19 疫苗的不实信息的立场，并在新的数据集 CoVaxLies 上进行了实验。

    Feb, 2022

  • 通过情感反应生成对抗错误信息

    社交媒体平台上的信息错误传播对公共健康、社会凝聚力以及最终的民主构成了重大威胁。本文介绍了 VerMouth，这是第一个包括大约 1.2 万个声称 - 回应对的大规模数据集，涵盖了社交媒体风格和基本情感等两个在信息错误的可信度和传播中具有重要作用的因素。

    Nov, 2023