論文の概要: NewsLens: A Multi-Agent Framework for Adversarial News Bias Navigation
- arxiv url: http://arxiv.org/abs/2605.17364v1
- Date: Sun, 17 May 2026 10:14:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-19 17:57:47.923852
- Title: NewsLens: A Multi-Agent Framework for Adversarial News Bias Navigation
- Title（参考訳）: NewsLens: 逆ニュースバイアスナビゲーションのためのマルチエージェントフレームワーク
- Abstract要約: NewsLensは構造化ニュースバイアスナビゲーションのための5エージェントの逆パイプラインである。
A Fact Verifier, Progressive Framing Analyst, conservative Framing Analyst, Propaganda Detector, Neutral Summarizerは、記事の分解に協力している。
システムは4つの地政学的イベントクラスタにまたがる15の項目で評価される。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Media bias detection has predominantly been framed as a classification task: assign a political label to an article or outlet. We argue this framing is too shallow: it identifies that bias exists but not where, how, or crucially, what is structurally omitted. We present NewsLens, a five-agent adversarial pipeline for structured news bias navigation. A Fact Verifier, Progressive Framing Analyst, Conservative Framing Analyst, Propaganda Detector, and Neutral Summarizer collaborate to deconstruct articles into interpretable framing maps, exposing ideological omissions, rhetorical manipulation, and framing boundaries. The system is evaluated on 15 articles across four geopolitical event clusters (India-Pakistan Kashmir, Gaza, Climate Policy, Ukraine) using Qwen2.5-3B-Instruct (4-bit quantised, Google Colab T4), with cross-model validation using Mistral 7B on the Kashmir cluster. Center outlets show the highest mean Perspective Divergence Score (PDS: Qwen 0.907, Mistral 0.729 on Kashmir subset); conservative-framing outlets show the highest mean Manipulation Index (MI: 0.600 across both models). Cross-model comparison shows high consistency for high-propaganda content (Republic World delta-PDS=0.125, MI=0.8 both models) and greater variance for nuanced reporting. Mann-Whitney U tests find no statistically significant between-group differences at n=15, reported honestly as a sample-size limitation confirmed by post-hoc power analysis. A partial ablation removing the Propaganda Detector shows degraded omission precision in the Neutral Summarizer output. The architecture extends prior lexical-geometric bias work to agentic LLM reasoning, and is fully reproducible using open-weight models without API keys.
- Abstract（参考訳）: メディアバイアス検出は、主に分類タスクとして、記事やアウトレットに政治的ラベルを割り当てる。
このフレーミングは浅すぎ、偏見は存在するが、構造的に省略されているものをどこで、どのように、または、決定的に、どこに存在しないかを特定する。
本稿では,構造化ニュースバイアスナビゲーションのための5エージェント対向パイプラインであるNewsLensを紹介する。
Fact Verifier, Progressive Framing Analyst, conservative Framing Analyst, Propaganda Detector, and Neutral Summarizer は、論文を解釈可能なフレーミングマップに分解し、イデオロギー的省略、修辞的操作、フレーミング境界を露呈する。
このシステムは、Qwen2.5-3B-Instruct(4ビット量子化、Google Colab T4)を用いて、4つの地政学的イベントクラスタ(インド・パキスタン・カシミール、ガザ、気候政策、ウクライナ)にまたがる15の項目で評価され、Kashmirクラスタ上でMistral 7Bを用いたクロスモデル検証が行われた。
センター・アウトレットはパースペクティブ・ディバージェンス・スコア(PDS: Qwen 0.907、Mistral 0.729、カシミール・サブセット)、保守的なフレーミング・アウトレットはマニピュレーション・インデックス(MI: 0.600)が最も高い。
クロスモデル比較は、高プロパガンダコンテンツ(Republic World delta-PDS=0.125、MI=0.8両モデル)に対する高い一貫性を示し、ニュアンスドレポートに対する大きなばらつきを示している。
マン・ホイットニーU試験では,n=15の群間差は統計的に有意に認められなかった。
プロパガンダ検出器を除去する部分アブレーションは、中性サムマリザー出力の劣化した省略精度を示す。
このアーキテクチャは、以前の語彙幾何学的バイアス処理をエージェントLLM推論に拡張し、APIキーのないオープンウェイトモデルで完全に再現可能である。
関連論文リスト
- Metrics or Mirage? An Audit of Evaluation Inconsistencies in Colonoscopy Polyp Segmentation Benchmarks [0.9121437356699356]
2015年から2026年にかけて発行された27の論文の体系的な監査では、コミュニティがモデルを評価する方法に関する3つの構造的な問題を明らかにしている。
テキスト互換性のない少なくとも5つのトレイン/テストスプリットプロトコルが、同じデータセットで結果を報告する論文間で共存している。
27件の論文のうち26件は、統計的に有意なテストなしに、テキストパフォーマンスのクレームを作成している。
論文 参考訳（メタデータ） (2026-07-09T08:01:55Z) - AgentFairBench: Do LLM Agents Discriminate When They Act? [2.3004655342211078]
AgentFairBenchは、LLMエージェントの動作における人口格差に対する、安価で再現可能なマルチドメインベンチマークである。
これは、雇用、貸与、医療トリアージという、規制対象の3つの領域にまたがっている。
NumPyのみのハーネスは、反ファクト的なフリップ率、平均絶対スコア差(MASD)、アクションレートの相違、ツール起動の相違を計算する。
論文 参考訳（メタデータ） (2026-06-15T13:50:26Z) - A Multi-View Media Profiling Suite: Resources, Evaluation, and Analysis [50.35687669938033]
ニュースメディアは、政治的偏見と事実性を自動的に検出する尺度で世論を形作っている。
この分野には、統一された資源、様々なアプローチにわたる包括的な評価、そして最も重要な表現と融合戦略の体系的な分析がまだ欠けている。
メディアバイアス/ファクトチェック(MBFC)から約2,600のアウトレットをカバーする大規模ラベルセットMBFC-2025を紹介する。
約900のコンセントを含むACL-2020とMBFC-2025のマルチビュー表現を構築した。
論文 参考訳（メタデータ） (2026-05-02T09:17:53Z) - HierBias: Context-Conditioned Hierarchical Media Bias Detection with Multi-Task Type Classification [6.417595716293325]
階層型文脈条件メディアバイアス検出器である textbfHierBias を提示する。
文レベルの分類のベイズ誤差を厳密に減らすことは理論的に証明できる。
論文 参考訳（メタデータ） (2026-04-29T18:33:42Z) - MSVBench: Towards Human-Level Evaluation of Multi-Shot Video Generation [48.84450712826316]
MSVBenchは、マルチショットビデオ生成に適した階層的なスクリプトと参照イメージを備えた最初の包括的なベンチマークである。
本稿では,大規模マルチモーダルモデルの高レベルな意味推論と,ドメイン固有のエキスパートモデルの微粒な知覚的厳密さを相乗化するハイブリッド評価フレームワークを提案する。
論文 参考訳（メタデータ） (2026-02-27T12:26:34Z) - What's Left Unsaid? Detecting and Correcting Misleading Omissions in Multimodal News Previews [31.373823254968315]
事実が正しいとしても、ソーシャルメディアのニュースプレビューは解釈のドリフトを引き起こす。
この秘密の害は明示的な誤報よりも検出が難しいが、未発見のままである。
我々は、プレビューベースとコンテキストベースの理解を分離し、シミュレートするマルチステージパイプラインを開発した。
論文 参考訳（メタデータ） (2026-01-09T06:29:19Z) - Exploring Response Uncertainty in MLLMs: An Empirical Evaluation under Misleading Scenarios [49.53589774730807]
マルチモーダル大規模言語モデル(MLLM)は近年,視覚的質問応答から映像理解に至るまでのタスクにおいて,最先端のパフォーマンスを実現している。
12件のオープンソースMLLMが, 単一の偽装キューを受けた65%の症例において, 既往の正解を覆した。
論文 参考訳（メタデータ） (2024-11-05T01:11:28Z) - SAGED: A Holistic Bias-Benchmarking Pipeline for Language Models with Customisable Fairness Calibration [12.148667791480579]
SAGED(bias)はこれらの問題に対処する最初の総合的なベンチマークパイプラインである。
私たちは、Gemma2、Llama3.1、Mistral、Qwen2など、人気のある8bレベルのモデルでG20諸国でSAGEDを使用しています。
感情分析により、MistralとQwen2はGemma2やLlama3.1よりも最大差とバイアス濃度が低いが、すべてのモデルがロシアや(Qwen2を除く)中国に偏っていることが判明した。
論文 参考訳（メタデータ） (2024-09-17T13:03:12Z) - Prototype-based Aleatoric Uncertainty Quantification for Cross-modal
Retrieval [139.21955930418815]
クロスモーダル検索手法は、共通表現空間を共同学習することにより、視覚と言語モダリティの類似性関係を構築する。
しかし、この予測は、低品質なデータ、例えば、腐敗した画像、速いペースの動画、詳細でないテキストによって引き起こされるアレタリック不確実性のために、しばしば信頼性が低い。
本稿では, 原型に基づくAleatoric Uncertainity Quantification (PAU) フレームワークを提案する。
論文 参考訳（メタデータ） (2023-09-29T09:41:19Z) - Detecting and Grounding Multi-Modal Media Manipulation and Beyond [93.08116982163804]
マルチモーダルフェイクメディア(DGM4)の新たな研究課題について述べる。
DGM4は、マルチモーダルメディアの真正性を検出するだけでなく、操作されたコンテンツも検出することを目的としている。
本稿では,異なるモーダル間のきめ細かい相互作用を完全に捉えるために,新しい階層型マルチモーダルマニピュレーションrEasoning tRansformer(HAMMER)を提案する。
論文 参考訳（メタデータ） (2023-09-25T15:05:46Z) - CALM : A Multi-task Benchmark for Comprehensive Assessment of Language Model Bias [7.28980829208179]
言語モデル(CALM)の包括的評価は、普遍的に関連する2種類の社会デマログラフバイアス、性別、人種の頑健な測定である。
実験により,CALMのバイアススコアは,テンプレートの摂動に対する従来のバイアス測定よりも頑健で,はるかに感度が低いことが示された。
論文 参考訳（メタデータ） (2023-08-24T03:53:55Z) - Computational Assessment of Hyperpartisanship in News Titles [55.92100606666497]
われわれはまず、超党派ニュースタイトル検出のための新しいデータセットを開発するために、人間の誘導する機械学習フレームワークを採用する。
全体的に右派メディアは比例的に超党派的なタイトルを使う傾向にある。
我々は、外国問題、政治システム、ニュースタイトルにおける過党主義を示唆する社会問題を含む3つの主要なトピックを識別する。
論文 参考訳（メタデータ） (2023-01-16T05:56:58Z) - Neural Media Bias Detection Using Distant Supervision With BABE -- Bias
Annotations By Experts [24.51774048437496]
本稿ではメディアバイアス研究のための頑健で多様なデータセットであるBABEについて述べる。
トピックとアウトレットの間でバランスが取れた3,700の文で構成されており、単語と文のレベルにメディアバイアスラベルが含まれている。
また,本データに基づいて,ニュース記事中のバイアス文を自動的に検出する手法も導入した。
論文 参考訳（メタデータ） (2022-09-29T05:32:55Z) - NeuS: Neutral Multi-News Summarization for Mitigating Framing Bias [54.89737992911079]
様々な政治スペクトルの複数のニュース見出しから中立的な要約を生成する新しい課題を提案する。
最も興味深い観察の1つは、生成モデルは、事実的に不正確なコンテンツや検証不可能なコンテンツだけでなく、政治的に偏ったコンテンツにも幻覚を与えることができることである。
論文 参考訳（メタデータ） (2022-04-11T07:06:01Z) - Empirical Upper Bound, Error Diagnosis and Invariance Analysis of Modern
Object Detectors [47.64219291655723]
我々は、最先端のオブジェクト検出ベンチマークを2つ採用し、4つの大規模データセット上で15モデル以上を分析します。
モデルが空の領域に多くのボックスを生成し、そのコンテキストが大きな領域よりも小さなオブジェクトを検出するのに重要であることが分かりました。
論文 参考訳（メタデータ） (2020-04-05T06:19:43Z)
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。