- CheckThat! 2024 中的事实查找者:通过数据修剪改善 LLMs 的适用于检查的陈述检测
应用八个突出的开源语言模型(LLMs)通过精调和提示工程来从政治转录中识别值得检查的陈述,并通过两步数据修剪方法自动识别高质量训练数据实例,能够在 CheckThat!2024 的英语语言数据集方面展示有效学习和竞争性性能。
- 探索社交网络信息传播中的独立级联模型及其演化
本文探讨了在社交网络的动态领域中信息传播的至关重要性,强调了信息传播模型在揭示数字时代数据传播复杂性方面的关键角色。通过阐明这些模型的深远影响,它不仅奠定了探索各种等级及其表现形式的基础,而且成为进一步研究该领域的催化剂。
- MMMemeCraft:上下文和立场驱动的多模式模因生成
在社交媒体时代,网络迷因不仅提供幽默,还为政治辩论、社会批评和信息传播提供了平台。MemeCraft 是一种创新的迷因生成器,利用大型语言模型(LLMs)和视觉语言模型(VLMs)来产生倡导特定社会运动的迷因。
- 全球撒谎者:LLMs 随时间和地域的真实性
研究评估 GPT 模型的事实准确性、稳定性和偏见,发现较新版本的 GPT 模型并不总是具有更好的性能,存在地域偏见及信息不对称问题,强调了在模型训练和评估中的文化多样性和地理包容性的重要性,以实现全球科技公平和公正分配人工智能的好处。
- 关于记忆在稳健舆论动态中的作用
研究了一个完全连接的系统中的意见动态,在没有记忆的情况下,考虑了包括选民模型和最佳 - k 多数规则在内的非常流行的意见动态,结果表明缺乏记忆会防止有效收敛,而使用随机意见动态快速收敛于正确的意见为信息传播过程所必需的。
- 仇恨分子利用共鸣空间升级仇恨言论扩散
本研究分析了三个流行的在线社交网络上超过 680 万用户发布的超过 3200 万篇帖子,发现仇恨言论传播更多取决于仇恨分子的互动和信息扩散,而不是被单独定位的仇恨内容,这种凝聚力主要通过 “回音室” 互动中用户之间的相互作用进行扩大。
- WWW社交网络在信息传播中的作用
本文研究在线社交网络中的信息传播,包括在一项大规模实地实验中,随机暴露于关于朋友信息分享的信号的 2.53 亿名受试者,发现那些接受信号的人更有可能更快地传播信息。同时,研究了强弱关系在信息传播中的作用,发现尽管强联系人更有影响力,但更丰富 - 信息传染:基于 Digg 和 Twitter 社交网络新闻传播的实证研究
通过分析两个社交新闻站点的数据,研究表明社交网络在信息传播中发挥关键作用,网络结构影响信息流动的动力学。