PulseAugur
中
实时 08:38:10
English(EN) CommunityFact: A Dynamic, Multilingual, Multi-domain Benchmark for Misinformation Detection in the Wild

新的CommunityFact基准测试LLM的错误信息检测能力

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员推出了CommunityFact，这是一个新的基准，旨在评估大型语言模型在动态、多语言和多领域在线环境中检测错误信息的能力。该基准包含五种语言和两个领域的超过15,000个声明，评估了具有不同推理时间能力（如网络搜索）的LLM。研究结果表明，虽然网络访问显著提高了性能，但LLM的来源选择通常与人类评估者的一致意见不同，这表明需要改进检索机制。 AI

影响 该基准可以推动LLM事实核查和来源选择的改进，这对于打击在线错误信息至关重要。

排序理由 该集群描述了一篇介绍用于评估AI模型基准的学术论文。

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

新的CommunityFact基准测试LLM的错误信息检测能力

本文如何被排名

Signal score
0 / 100
Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket
Research
该集群描述了一篇介绍用于评估AI模型基准的学术论文。
Source corroboration
2 independent sources
Multiple independent publishers reporting the same story raises confidence that it's real and newsworthy.
Topics
paper, safety
Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance
High
Clearly on-topic for AI-industry coverage.
Story freshness
154 days old
Aged out of breaking-news scoring windows; ranking reflects the durable signal from the full source set.

完整方法见我们的编辑标准。

报道来源 [2]

  1. arXiv cs.CL TIER_1 English(EN) · Sahajpreet Singh, Insyirah Mujtahid, Min-Yen Kan, Kokil Jaidka ·

    CommunityFact：一个动态、多语言、多领域、用于野外错误信息检测的基准

    arXiv:2605.30241v1 Announce Type: new Abstract: Misinformation verification increasingly occurs in public, fast-moving, and multilingual online settings, where static benchmarks provide an incomplete measure of model reliability. We introduce CommunityFact, a refreshable benchmar…

  2. arXiv cs.CL TIER_1 English(EN) · Kokil Jaidka ·

    CommunityFact：一个用于野外错误信息检测的动态、多语言、多领域基准

    Misinformation verification increasingly occurs in public, fast-moving, and multilingual online settings, where static benchmarks provide an incomplete measure of model reliability. We introduce CommunityFact, a refreshable benchmark for misinformation detection in the wild, with…

相关实体

相关话题