Fake News
PulseAugur coverage of Fake News — every cluster mentioning Fake News across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
“AI垃圾”成为新的诽谤词，与“假新闻”如出一辙
“AI垃圾”一词正成为一种新的诽谤形式，类似于“假新闻”，并且被随意使用。这个短语的使用并未充分考虑人工智能开发人员的声誉和辛勤工作。
-
新框架改进了情感重写下的假新闻检测
研究人员开发了一个名为门控交叉注意力（GCA）的新框架，以改进对已被改写成不同情感基调但保留原始事实主张的假新闻的检测。该方法利用从原始新闻文章生成的解释作为稳定的知识基础。GCA框架将情感重写的新闻与这些解释自适应地结合起来，使模型能够优先考虑信息性的解释内容，并减轻情感重构带来的问题。在PolitiFact、Gossip Cop和LUN的数据集上进行的实验表明，在各种情感条件下，假新闻检测的准确性都有显著提高，尤其是在Politi…
-
研究表明AI模型难以检测多模态假新闻 · 追踪6个来源
新研究探讨了多模态大语言模型（MLLMs）在生成和检测假新闻方面的能力和局限性。研究表明，虽然MLLMs可用于创建跨各种领域的逼真虚假社交媒体帖子，但当前的检测模型在识别图像真实性方面，其准确性常常达不到人类水平。研究人员正在开发新的框架和数据集，通过考虑生成方面和证据关系来改进检测，同时也强调了在人工智能驱动的虚假信息检测工具中，人类判断和透明设计的重要性。
-
应对人工智能生成假新闻和深度伪造的指南
本文提供了应对人工智能生成假新闻和深度伪造的全面指南。它详细介绍了这些技术带来的威胁，并概述了企业和个人应采取的技术和组织对策。该指南还包括对最新工具的比较和实际示例，以提高信息素养。
-
2028年美国总统大选预计将充斥AI驱动的假新闻和经济干扰
根据一条引用《纽约时报》的Mastodon帖子，2028年美国总统大选预计将受到“假新闻”和经济干扰的严重影响。这一预测暗示了一个复杂的政治格局，AI可能在塑造公众讨论和潜在地转移对核心问题的注意力方面发挥作用。
-
研讨会利用大语言模型和可信信息检索应对在线错误信息
第六届通过可信信息检索减少在线错误信息研讨会 (ROMCIR 2026) 旨在解决日益增长的信息污染问题，包括假新闻、欺骗性评论和未经证实的医疗建议。研讨会将探索超越传统检测方法的策略，重点关注将可信度和真实性融入信息检索系统。一个关键的讨论领域将是大型语言模型 (LLMs) 在这些系统中可能放大错误信息以及协助其检测和解释方面的作用，以及“人在回路”范式。
-
新的自然语言处理框架预测虚假新闻和群体暴力
研究人员开发了一个多模态自然语言处理（NLP）框架，旨在检测虚假新闻和预测暴力驱动的群体活动。该系统集成了文本和视觉数据，利用 XLM-RoBERTa 进行多语言理解，利用 CLIP 进行图像嵌入，并使用注意力机制进行融合。该框架在孟加拉语和英语样本数据集上进行了测试，在识别虚假信息和预测现实世界升级方面达到了 98% 的准确率，证明了多模态分析和地理空间元数据的有效性。
-
新语料库针对北非语言中的虚假新闻
研究人员开发了BOUTEF，这是一个新的多语言语料库，旨在研究北非（特别是阿尔及利亚和突尼斯）的虚假新闻。该数据集包含虚假和真实叙事、用户评论以及跨越多种语言和方言（包括阿拉伯语方言、法语和英语）的揭穿信息。分析显示，虚假新闻通常使用充满情感的语言和耸人听闻的框架来增加病毒式传播，而揭穿信息则更具事实性。该语料库旨在推进虚假新闻检测和低资源语言处理方面的研究。
-
用户对人工智能虚假信息笑话不以为然
用户对与人工智能和虚假信息相关的笑话表示不以为然。他们使用标签来对自己的情绪和主题进行分类，表明了对该主题的批判性立场。
-
人工智能加剧信息危机，模糊现实与虚假界限
人工智能生成内容的泛滥模糊了现实与虚假之间的界限，造成了“信息危机”。这种现象已从对“假新闻”的担忧演变而来，现在使得辨别真实变得困难。驾驭这一局面需要新的策略来批判性地处理信息。