論文の概要: Utilising Large Language Models for Generating Effective Counter Arguments to Anti-Vaccine Tweets

• arxiv url: http://arxiv.org/abs/2510.16359v1
• Date: Sat, 18 Oct 2025 05:44:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-25 03:08:11.74368
• Title: Utilising Large Language Models for Generating Effective Counter Arguments to Anti-Vaccine Tweets
• Title（参考訳）: 大規模言語モデルを用いた対車ツイートに対する効果的な反論の生成
• Authors: Utsav Dhanuka, Soham Poddar, Saptarshi Ghosh,
• Abstract要約: ワクチン接種に関する誤解の物語は広く広まり、高い予防接種率を達成し、健康勧告への信頼を損なう障壁を生み出している。 我々は,LLMがワクチンの誤情報に反する反響を発生させる能力について検討した。 本研究は,ラベル記述と構造化微調整を組み合わせることで,コーパスの有効性が向上することを示した。
• 参考スコア（独自算出の注目度）: 4.249511043531375
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In an era where public health is increasingly influenced by information shared on social media, combatting vaccine skepticism and misinformation has become a critical societal goal. Misleading narratives around vaccination have spread widely, creating barriers to achieving high immunisation rates and undermining trust in health recommendations. While efforts to detect misinformation have made significant progress, the generation of real time counter-arguments tailored to debunk such claims remains an insufficiently explored area. In this work, we explore the capabilities of LLMs to generate sound counter-argument rebuttals to vaccine misinformation. Building on prior research in misinformation debunking, we experiment with various prompting strategies and fine-tuning approaches to optimise counter-argument generation. Additionally, we train classifiers to categorise anti-vaccine tweets into multi-labeled categories such as concerns about vaccine efficacy, side effects, and political influences allowing for more context aware rebuttals. Our evaluation, conducted through human judgment, LLM based assessments, and automatic metrics, reveals strong alignment across these methods. Our findings demonstrate that integrating label descriptions and structured fine-tuning enhances counter-argument effectiveness, offering a promising approach for mitigating vaccine misinformation at scale.
• Abstract（参考訳）: ソーシャルメディア上で共有される情報によって公衆衛生がますます影響を受けつつある時代には、ワクチン懐疑主義や誤情報と戦うことが、社会的な重要な目標となっている。 ワクチン接種に関する誤解の物語は広く広まり、高い予防接種率を達成し、健康勧告への信頼を損なう障壁を生み出している。 誤報を検出する努力は大きな進歩を遂げてきたが、そのような主張を解き放つように調整されたリアルタイムの逆論の生成は、いまだ十分に調査されていない領域である。 本研究は,LLMがワクチンの誤情報に対する音響対論応答を生成できる能力について考察する。 誤情報拡散の先行研究に基づいて, 様々な情報伝達戦略と微調整手法を実験し, 反モーメント生成を最適化する。 さらに、抗ワクチンツイートをワクチン効果、副作用、政治的影響など、多ラベルのカテゴリに分類するように分類器を訓練する。 人的判断, LLMに基づく評価, 自動測定によって得られた評価は, これらの手法間で強い整合性を示す。 本研究は,ラベル記述と構造化微調整を組み合わせることで,ワクチンの誤情報を大規模に緩和する上で有望なアプローチを提供する。

関連論文リスト

• Assessing the robustness of heterogeneous treatment effects in survival analysis under informative censoring [50.164756034797136]
  臨床研究ではドロップアウトが一般的で、副作用やその他の理由で患者の半数以上が早期に退院する。 ドロップアウトが有益な場合、治療効果の推定値にもバイアスがかかるため、検閲バイアスが導入される。 検閲バイアスに直面した場合の生存分析における条件平均処理効果推定のロバスト性を評価するための仮定リーンフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-10-15T10:51:17Z)
• MM-PoisonRAG: Disrupting Multimodal RAG with Local and Global Poisoning Attacks [104.50239783909063]
  Retrieval Augmented Generation (RAG) を用いた多モーダル大規模言語モデルは、多モーダル質問応答のようなかなり高度なタスクを持つ。 この外部知識への依存は、知識中毒攻撃(英語版)という、危険だが未発見の安全リスクを引き起こす。 マルチモーダルRAGにおける知識中毒を体系的に設計する最初のフレームワークであるMM-PoisonRAGを提案する。
  論文  参考訳（メタデータ） (2025-02-25T04:23:59Z)
• Decoding Concerns: Multi-label Classification of Vaccine Sentiments in Social Media [0.0]
  新型コロナウイルス(COVID-19)のパンデミックは、ワクチンが私たちを守る上で重要な役割を担っていることを強調した。 本論文は、予防接種の文脈で表されるこれらの多様な懸念を包括的に理解し、分類することの課題に対処する。 我々の焦点は、ワクチンに対する明瞭な理解に基づいて、特定の関心ラベルのツイートを割り当てる、堅牢なマルチラベルの開発である。
  論文  参考訳（メタデータ） (2023-12-17T06:55:04Z)
• Dense Feature Memory Augmented Transformers for COVID-19 Vaccination Search Classification [60.49594822215981]
  本稿では,新型コロナウイルスワクチン関連検索クエリの分類モデルを提案する。 本稿では,モデルが対応可能なメモリトークンとして,高密度特徴を考慮した新しい手法を提案する。 この新しいモデリング手法により,Vaccine Search Insights (VSI) タスクを大幅に改善できることを示す。
  論文  参考訳（メタデータ） (2022-12-16T13:57:41Z)
• Doctors vs. Nurses: Understanding the Great Divide in Vaccine Hesitancy among Healthcare Workers [64.1526243118151]
  医者は新型コロナウイルスワクチンに対して全体的に陽性であることがわかりました。 医師は新型ワクチンよりもワクチンの有効性を懸念している。 看護婦は子供に対する潜在的な副作用にもっと注意を払う。
  論文  参考訳（メタデータ） (2022-09-11T14:22:16Z)
• Dynamics and triggers of misinformation on vaccines [0.552480439325792]
  われわれは、さまざまなソーシャルメディアプラットフォーム(Facebook、Instagram、Twitter、YouTube)におけるイタリアのワクチンに関する6年間の議論を分析している。 われわれはまず、ニュース制作時系列の象徴的転送エントロピー分析を用いて、ワクチンに関する議題を慎重に推進する、疑わしい、あるいは信頼できるソースのカテゴリを決定する。 次に、伝達されたスタンスに基づいてワクチン関連コンテンツを正確に分類し、話題を議論する深層学習モデルを活用する。
  論文  参考訳（メタデータ） (2022-07-25T15:35:48Z)
• Insta-VAX: A Multimodal Benchmark for Anti-Vaccine and Misinformation Posts Detection on Social Media [32.252687203366605]
  ソーシャルメディア上の抗ワクチンポストは、混乱を招き、ワクチンに対する大衆の信頼を低下させることが示されている。 Insta-VAXは、ヒトワクチンに関連する64,957のInstagram投稿のサンプルからなる、新しいマルチモーダルデータセットである。
  論文  参考訳（メタデータ） (2021-12-15T20:34:57Z)
• Classifying vaccine sentiment tweets by modelling domain-specific representation and commonsense knowledge into context-aware attentive GRU [9.8215089151757]
  ワクチンのヘシタシーと拒絶はワクチン接種率の低いクラスターを生じさせ、ワクチン接種プログラムの有効性を低下させる。 ソーシャルメディアは、地理的な位置を含み、ワクチンに関する懸念を詳述することで、ワクチンの受け入れに対する新たなリスクを見積もる機会を提供する。 ワクチン関連ツイートなどのソーシャルメディア投稿を分類する手法では、一般的なドメインテキストで訓練された言語モデル(LM)を使用する。 本稿では、ワクチン関連ツイートで訓練されたドメイン固有LMを用いて相互接続されたコンポーネントで構成された新しいエンドツーエンドフレームワークについて、コンテキスト対応の双方向ゲート再帰ネットワーク(CK-BiGRU)にコモンセンス知識をモデル化する。
  論文  参考訳（メタデータ） (2021-06-17T15:16:08Z)
• 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)
• Falling into the Echo Chamber: the Italian Vaccination Debate on Twitter [65.7192861893042]
  われわれは、Twitter上での予防接種に関する議論が、予防接種ヘシタントに対する潜在的な不安にどのように影響するかを調査する。 予防接種懐疑派や擁護派が独自の「エチョ室」に居住していることが判明した。 これらのエコーチャンバーの中心には熱心な支持者がいて、高い精度のネットワークとコンテンツベースの分類器を構築しています。
  論文  参考訳（メタデータ） (2020-03-26T13:55:50Z)

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。