misinformation | BriefGPT - AI 论文速递

关键词misinformation

搜索结果 - 222

增强型 CARDS：一种用于在 Twitter 上识别气候变化错误信息触发器的机器学习方法
应对气候变化的自动化检测引发了关于气候变化的错误信息传播以及对社会福利构成了重大威胁的紧迫需求，本研究通过开发了一个两步骤的层次模型 —— 增强 CARDS 模型，专门用于检测推特上的气候异议观点，然后将其应用于 2022 年的六个月内的五
PDF2 months ago
ACLRAGAR: RAG 增强的政治事实检验的虚假识别雷达，基于多模态大语言模型的推理
通过将大型语言模型（LLMs）与基于检索增强生成（RAG）的先进推理技术相结合，本研究提出了两种创新方法（CoRAG 和 ToRAG），以增强多模态事实检验的可靠性和效率。通过分析文本和图像的多模态 LLMs，该研究推动了自动化系统在辨别和
PDF3 months ago
ACL无法辨别使用和提及的 NLP 系统对反言进行审查，但教授这种区别有助于
使用提及区分是 NLP 和 CSS 领域中的重要问题，本研究提出了减轻这一问题的方法，并指出其对应用场景的重要性。
PDF3 months ago
语言模型能否识别有说服力的论点？
大型语言模型（LLMs）的能力不断增长，但也引发了对其潜在滥用创建个性化、令人信服的错误信息和宣传的担忧。为了了解 LLMs 的说服能力，我们在 Durmus＆Cardie（2018）的数据集上进行了研究，提出了衡量 LLMs 能力的任务，
PDF3 months ago
打击谣言的未来？检索、筛选和生成
人工智能生成的内容 (AIGC) 技术发展促进了谣言传播，影响了社会、经济和政治生态系统，挑战了民主。我们提出了一种全面的辟谣过程，不仅可以检测谣言，还可以提供解释性生成内容来驳斥信息的真实性。我们设计的 “专家 - 公民集体智慧”(ECC
PDF3 months ago
通过偏好学习提高大型语言模型的属性文本生成能力
大型语言模型在自然语言处理中被广泛采用，但是它们面临着生成不可靠内容的挑战。最近的研究旨在通过引用作为证据来减少错误信息和产生幻象。然而，当前的引用方法通常集中在检索阶段和自动评估上，忽视了在人类学术写作中增强可信度的引用机制的反映。本文通
PDF3 months ago
SemEval-2024 任务 8：多领域机器生成文本检测技术的综合分析
本论文介绍了我们在 SemEval2024 Task8 中用于检测跨各个领域的机器生成文本的方法，包括统计、神经网络和预训练模型方法，并通过深入的错误分析评估了这些方法的有效性。在单语和多语境下，我们的方法在子任务 A 单语上获得 86.9
PDF3 months ago
Ax-to-Grind Urdu: 乌尔都语虚假新闻检测基准数据集
通过该研究，我们为乌尔都语伪新闻检测提供了首个规模最大的公开数据集 Ax-to-Grind Urdu，其中包含来自巴基斯坦和印度领先和真实的乌尔都语报纸和新闻频道网站的 10,083 条真假新闻。我们还使用 mBERT、XLNet 和 XL
PDF3 months ago
利用大型语言模型纠正社交媒体的错误信息
通过提供准确可信的解释和参考资料，以及纠正多模态信息，MUSE 扩展了大型语言模型的能力，表明了使用 LLMs 有效和高效地应对现实世界的错误信息的潜力。
PDF4 months ago
FakeWatch: 一个检测假新闻以确保可信选举的框架
为了解决当今科技驱动的世界中虚假新闻（尤其是在选举等关键事件期间）的快速传播给信息的完整性带来的日益威胁，我们引入了 FakeWatch，一个全面的框架，旨在有效检测虚假新闻。通过利用一个新的精选北美选举相关新闻文章的数据集，我们构建了强大
PDF4 months ago
误导信息并非有关错误事实：边缘内容的制造和消费分析
在线边缘意识形态的传播与信息完整性、质量、狭窄的主题选择以及作者的写作风格有关，这些发现对打击网络误信息具有重要意义。
PDF4 months ago
ClaimVer: 文本的可解释的声明级验证和证据归属通过知识图谱
介绍了一个人本中心的框架 ClaimVer，通过生成丰富的注释来满足用户的信息和验证需求，减少认知负荷，清晰地验证每个声明，提供清晰简明的解释，增强了广泛应用于各种下游任务的适用性。
PDF4 months ago
CVPRSNIFFER: 可解释的跨语境误信息识别的多模态大型语言模型
SNIFFER 是一种特别针对超文本误导检测和解释的新型多模态大型语言模型，通过在 InstructBLIP 上进行两阶段的指令调整，不仅能够检测文字和图像之间的不一致性，还可以利用外部知识进行上下文验证，实验证明 SNIFFER 的检测准
PDF4 months ago
COLING跨语言学习与低资源微调的案例研究：以土耳其事实核查为例
通过引入 FCTR 数据集，本研究通过跨语言转移学习评估大语言模型在土耳其语上的上下文学习（零样本和少样本）表现，结果表明该数据集有可能推动土耳其语研究的进展。
PDF4 months ago
通过框架理论检测错误信息：基于框架元素的模型
应用深度学习和大型语言模型的创新方法，探讨信息框架对误导性信息检测的影响，以及如何应用框架理论提升检测性能。
PDF4 months ago
机器生成文本本地化
该研究旨在识别机器生成的文本并对文档中的机器生成部分进行定位，以避免由于对部分新闻文章的机器生成篡改而导致整个文档的误导。通过利用上下文信息，该方法能够在多个句子同时预测其是否为机器生成，从而提高了性能。与之前的研究相比，该方法在 Good
PDF4 months ago
关注偏移：在线讨论中寻找什么主义的语用细微差别挖掘
本研究通过引入来自 Twitter 和 YouTube 的新数据集，揭示了 whataboutism、宣传和‘Tu quoque' 谬误之间的重叠和区别，并运用语义学的最新研究成果将 'what about' 词汇构造与 whatabout
PDF5 months ago
探索篡改检测中的显著性偏见
通过分析流行的图像操纵数据集中的视觉和语义显著趋势及其对检测的影响，我们提出了一个框架，以促进语义感知的法庭取证方法的进一步发展，从而了解视觉误导现象。
PDF5 months ago
使用证据总结解释真实性预测：一种多任务模型方法
通过使用多任务可解释的神经模型进行自动化的事实检验，本研究讨论了社交媒体上快速传播的虚假信息，并探究了深层神经模型在预测时所关注的要素，以寻求与人类推理相媲美的推理水平。
PDF5 months ago
FACT-GPT: 通过与 LLMs 进行索引匹配的事实检查增强
我们提出了 FACT-GPT 这个系统，利用大型语言模型 (LLMs) 自动化事实核查中的索引匹配阶段。FACT-GPT 经训练后，可以识别与先前被揭穿的声明相符、相悖或无关的社交媒体内容。我们的评估结果表明，我们专门训练的 LLMs 在识
PDF5 months ago