論文の概要: Misinformation with Legal Consequences (MisLC): A New Task Towards Harnessing Societal Harm of Misinformation

• arxiv url: http://arxiv.org/abs/2410.03829v1
• Date: Fri, 4 Oct 2024 18:00:28 GMT
• ステータス: 処理完了
• システム内更新日: 2024-11-02 16:00:59.481867
• Title: Misinformation with Legal Consequences (MisLC): A New Task Towards Harnessing Societal Harm of Misinformation
• Title（参考訳）: ミシン情報(MisLC:misinformation with Legal Consequences) : ミス情報の社会的ハームを和らげるための新しい課題
• Authors: Chu Fei Luo, Radin Shayanfar, Rohan Bhambhoria, Samuel Dahan, Xiaodan Zhu,
• Abstract要約: 法的な問題を用いた誤情報検出の定義を社会的影響を測定するために,我々は新たな角度を採っている。 法的な領域の定義を幅広く活用するMisinformation with Legal Consequence (MisLC) という新しいタスクを導入する。 我々は,クラウドソース型チェックネスネスと誤情報のエキスパート評価を利用する2段階のデータセットキュレーションアプローチを提唱する。
• 参考スコア（独自算出の注目度）: 24.936670177298584
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Misinformation, defined as false or inaccurate information, can result in significant societal harm when it is spread with malicious or even innocuous intent. The rapid online information exchange necessitates advanced detection mechanisms to mitigate misinformation-induced harm. Existing research, however, has predominantly focused on assessing veracity, overlooking the legal implications and social consequences of misinformation. In this work, we take a novel angle to consolidate the definition of misinformation detection using legal issues as a measurement of societal ramifications, aiming to bring interdisciplinary efforts to tackle misinformation and its consequence. We introduce a new task: Misinformation with Legal Consequence (MisLC), which leverages definitions from a wide range of legal domains covering 4 broader legal topics and 11 fine-grained legal issues, including hate speech, election laws, and privacy regulations. For this task, we advocate a two-step dataset curation approach that utilizes crowd-sourced checkworthiness and expert evaluations of misinformation. We provide insights about the MisLC task through empirical evidence, from the problem definition to experiments and expert involvement. While the latest large language models and retrieval-augmented generation are effective baselines for the task, we find they are still far from replicating expert performance.
• Abstract（参考訳）: 誤った情報や不正確な情報と定義されている誤報は、悪意のある意図や無害な意図によって拡散されるときに、社会に重大な害をもたらす可能性がある。 迅速なオンライン情報交換は、誤情報による被害を軽減するために高度な検出機構を必要とする。 しかし、既存の研究は、主に虚偽情報の法的含意と社会的帰結を見越して、正確性を評価することに重点を置いている。 本研究では,法的な問題を用いた誤情報検出の定義を社会的影響の測定として統合し,誤情報に対処するための学際的努力と結果をもたらすことを目的としている。 Misinformation with Legal Consequence (MisLC) は、ヘイトスピーチ、選挙法、プライバシー規制を含む、より広範な4つの法的トピックと11のきめ細かい法的問題を含む、幅広い法的ドメインの定義を活用する。 本研究は,クラウドソース型チェックネスネスと誤情報のエキスパート評価を利用した2段階のデータセットキュレーション手法を提案する。 課題定義から実験,専門家の関与に至るまで,実証的な証拠を通じてMisLCタスクに関する洞察を提供する。 最新の大規模言語モデルと検索拡張生成はタスクの効果的なベースラインであるが、専門家のパフォーマンスの複製には程遠い。

関連論文リスト

• Missci: Reconstructing Fallacies in Misrepresented Science [84.32990746227385]
  ソーシャルネットワーク上の健康関連の誤報は、意思決定の貧弱さと現実世界の危険につながる可能性がある。 ミスシは、誤った推論のための新しい議論理論モデルである。 大規模言語モデルの批判的推論能力をテストするためのデータセットとしてMissciを提案する。
  論文  参考訳（メタデータ） (2024-06-05T12:11:10Z)
• DELTA: Pre-train a Discriminative Encoder for Legal Case Retrieval via Structural Word Alignment [55.91429725404988]
  判例検索のための識別モデルであるDELTAを紹介する。 我々は浅層デコーダを利用して情報ボトルネックを作り、表現能力の向上を目指しています。 本手法は, 判例検索において, 既存の最先端手法よりも優れている。
  論文  参考訳（メタデータ） (2024-03-27T10:40:14Z)
• The Ethics of ChatGPT in Medicine and Healthcare: A Systematic Review on Large Language Models (LLMs) [0.0]
  ChatGPT, Large Language Models (LLMs) は医療分野で大きな注目を集めている。 その潜在的な利点にもかかわらず、研究者は様々な倫理的影響を過小評価してきた。 本研究は, LLMの医療・医療への展開の現段階を取り巻く倫理的景観を地図化することを目的としている。
  論文  参考訳（メタデータ） (2024-03-21T15:20:07Z)
• Correcting misinformation on social media with a large language model [14.69780455372507]
  現実世界の誤報は、しばしばマルチモーダルであり、因果関係を混同するような様々な戦術で誤解を招くことがある。 このような誤報は、特にソーシャルメディアにおいて、ひどく過小評価され、対処が困難であり、様々な社会的ドメインに害を与えている。 本稿では,最新の情報へのアクセスと信頼性を付加したLCMであるMUSEを提案する。
  論文  参考訳（メタデータ） (2024-03-17T10:59:09Z)
• The Perils & Promises of Fact-checking with Large Language Models [55.869584426820715]
  大規模言語モデル(LLM)は、学術論文、訴訟、ニュース記事を書くことをますます信頼されている。 語句検索,文脈データ検索,意思決定などにより,実検におけるLLMエージェントの使用状況を評価する。 本研究は, 文脈情報を用いたLLMの高度化を示すものである。 LLMは事実チェックにおいて有望であるが、不整合の正確性のため注意が必要である。
  論文  参考訳（メタデータ） (2023-10-20T14:49:47Z)
• Detecting Cross-Modal Inconsistency to Defend Against Neural Fake News [57.9843300852526]
  我々は、画像やキャプションを含む機械生成ニュースに対して、より現実的で挑戦的な対策を導入する。 敵が悪用できる可能性のある弱点を特定するために、4つの異なる種類の生成された記事からなるNeuralNewsデータセットを作成します。 ユーザ実験から得られた貴重な知見に加えて,視覚的意味的不整合の検出にもとづく比較的効果的なアプローチを提案する。
  論文  参考訳（メタデータ） (2020-09-16T14:13:15Z)
• The COVID-19 Infodemic: Can the Crowd Judge Recent Misinformation Objectively? [17.288917654501265]
  本研究では,クラウドソーシングがパンデミック時の言明の真偽を評価する上で,効果的かつ信頼性の高い方法であるかどうかを検討する。 研究の時点でまだ進行中の、新型コロナウイルスの緊急事態に関する声明を特に対象としています。 実験では,供述の真正性を評価するとともに,URLやテキストの正当性としての評価の証拠を提供するように依頼した。
  論文  参考訳（メタデータ） (2020-08-13T05:53:24Z)
• Misinformation Has High Perplexity [55.47422012881148]
  疑似クレームを教師なしの方法でデバンクするために, 難易度を活用することを提案する。 まず,これらの主張に類似した文に基づいて,科学的およびニュースソースから信頼性のある証拠を抽出する。 第2に,抽出したエビデンスを言語モデルにプライマリし,難易度スコアに基づいて与えられたクレームの正当性を評価する。
  論文  参考訳（メタデータ） (2020-06-08T15:13:44Z)
• Distinguish Confusing Law Articles for Legal Judgment Prediction [30.083642130015317]
  LJP(Lawal Judgment Prediction)は、その事実を記述したテキストが与えられた場合、訴訟の判断結果を自動的に予測するタスクである。 LJP の課題を解決するために,エンド・ツー・エンドのモデル LADAN を提案する。
  論文  参考訳（メタデータ） (2020-04-06T11:09:44Z)
• Mining Disinformation and Fake News: Concepts, Methods, and Recent Advancements [55.33496599723126]
  偽ニュースを含む偽ニュースは 爆発的な成長により グローバルな現象になっています 偽情報や偽ニュースを検知する最近の進歩にもかかわらず、その複雑さ、多様性、多様性、事実チェックやアノテーションのコストが原因で、いまだに自明ではない。
  論文  参考訳（メタデータ） (2020-01-02T21:01:02Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。