論文の概要: Modeling Misinformation as a Commons Problem

• arxiv url: http://arxiv.org/abs/2607.06984v1
• Date: Wed, 08 Jul 2026 04:11:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-09 22:50:30.27992
• Title: Modeling Misinformation as a Commons Problem
• Title（参考訳）: 共通問題としての誤情報モデリング
• Authors: Vrinda Malhotra,
• Abstract要約: 本稿では,信頼を総合資源とし,私的予算の不足として注目するエージェント・ベース・シミュレーションを提案する。 実験全体を通して、このモデルは4つの繰り返しモードを生成する: 信頼できる安定性、誤った情報支配、偏光、混合ベースライン。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Misinformation often harms society not just by spreading a single false belief, but by breaking down the shared trust people rely on to evaluate what is true. This paper presents an agent-based simulation that frames trust as a collective resource and attention as a scarce private budget: when aggregate attention shifts toward low credibility content, the trust environment degrades, making credible information harder to process and correct. Across experiments, the model produces four recurring modes: credible stability, misinformation dominance, polarization, and a mixed baseline, with distinct signatures in trust trajectories and network structure. The results separate two control problems that matter for simulation-based policy exploration: the balance of trust repair versus harm largely determines whether the system recovers or collapses, while homophily and rewiring determine whether disagreement remains integrated or separates into persistent clusters. This foundation provides a transparent testbed for comparative experiments on interventions that must address both trust restoration and structural conditions for cross-cutting exposure.
• Abstract（参考訳）: 誤報は、単一の誤った信念を広めるだけでなく、人々が真実を評価するために頼っている共有信頼を壊すことによって社会に害を与えることが多い。 本稿では,信頼度が低く,信頼度が低下すると,信頼環境が劣化し,信頼情報の処理や修正が困難になる,という,信頼の集合的資源としての枠組化と,私的予算としての注目の獲得を図ったエージェントベースシミュレーションを提案する。 実験を通じて、モデルは4つの繰り返しモードを生成する: 信頼の安定性、誤った情報支配、偏光、混合ベースライン。 信頼修復と害のバランスはシステムが回復するか崩壊するかを決定づける一方、ホモフィリーとリワイアは不一致が統合されているか、永続的なクラスタに分離されているかを決定する。 この財団は、クロスカット露光のための信頼回復と構造条件の両方に対処する必要がある介入の比較実験のための透明なテストベッドを提供する。

関連論文リスト

• TCHG: Tri-Trust Conditioned Heterogeneous Graph Learning for Reliable Dynamic Trust Prediction [5.435667023660699]
  グラフニューラルネットワークは、ネットワーク構造と複雑な信頼依存関係を学習する能力のため、信頼予測に対する顕著なアプローチになっている。 本稿では,信頼証拠を未分化な入力として扱うべきではないが,グラフ伝播に対する機能的制御因子として利用すべきである,と論じる。 提案するTHGは,信頼証拠を3つのチャネルに分解し,伝播における機能的役割を個別に割り当てる,信頼条件付き不均一グラフ学習フレームワークである。
  論文  参考訳（メタデータ） (2026-06-15T12:01:34Z)
• LLMs Show No Signs Of Individuated Metacognition [0.023227405857540805]
  20大言語モデルから二項信頼判断を分解する。 信頼性が異なる2つのモデルも性能が異なるかどうかを問う。 いずれの検査領域においても,有意な弁別メタ認知の証拠は見つからない。
  論文  参考訳（メタデータ） (2026-05-22T23:54:33Z)
• ERA: Evidence-based Reliability Alignment for Honest Retrieval-Augmented Generation [19.616905640490252]
  本稿ではERA(Evidence-based Reliability Alignment)と呼ばれる新しいフレームワークを提案する。 提案手法は, 解答カバレッジと棄却のトレードオフを最適化し, 校正精度を向上し, ベースラインを著しく向上させる。
  論文  参考訳（メタデータ） (2026-02-24T01:45:51Z)
• Epistemic Context Learning: Building Trust the Right Way in LLM-Based Multi-Agent Systems [94.9141394384021]
  マルチエージェントシステムの個々のエージェントは、しばしば堅牢性を欠き、誤解を招く仲間に盲目的に適合する傾向にある。 この弱点は, 相互信頼度を評価する能力の欠如に起因していると考えられる。 まず,歴史認識参照の学習問題を定式化し,ピア間の歴史的相互作用を付加的な入力として導入する。 次に,歴史的に構築されたピアプロファイルの予測を行うための推論フレームワークであるEcestemic Context Learning (ECL) を開発した。
  論文  参考訳（メタデータ） (2026-01-29T13:59:32Z)
• Illusions of Confidence? Diagnosing LLM Truthfulness via Neighborhood Consistency [78.91846841708586]
  完全な自己整合性で答えられた事実でさえ、軽微な文脈干渉の下で急速に崩壊することを示します。 本研究では,概念的近傍における応答コヒーレンスを評価する信念の構造尺度であるNighbor-Consistency Belief(NCB)を提案する。 また、文脈不変の信念構造を最適化し、長い知識の脆さを約30%低減する構造意識訓練(SAT)を提案する。
  論文  参考訳（メタデータ） (2026-01-09T16:23:21Z)
• Aurora: Are Android Malware Classifiers Reliable and Stable under Distribution Shift? [51.12297424766236]
  AURORAは、その信頼性と運用上のレジリエンスに基づいて、マルウェア分類器を評価するためのフレームワークである。 AURORAは、ポイント・イン・タイムのパフォーマンスを超えるように設計されたメトリクスのセットによって補完される。 さまざまなドリフトのデータセットにわたるSOTAフレームワークの脆弱性は、ホワイトボードへの復帰の必要性を示唆している。
  論文  参考訳（メタデータ） (2025-05-28T20:22:43Z)
• TrustLoRA: Low-Rank Adaptation for Failure Detection under Out-of-distribution Data [62.22804234013273]
  本稿では,共変量および意味的シフトの両条件下での拒絶による分類を統一し,促進する,単純な故障検出フレームワークを提案する。 キーとなる洞察は、障害固有の信頼性知識を低ランクアダプタで分離し、統合することにより、障害検出能力を効果的かつ柔軟に向上できるということです。
  論文  参考訳（メタデータ） (2025-04-20T09:20:55Z)
• Navigating Conflicting Views: Harnessing Trust for Learning [5.776290041122041]
  我々は,エビデンシャル・マルチビュー・フレームワークを強化する計算信頼に基づく割引手法を開発した。 提案手法は,Top-1の精度,Fleiss' Kappa,および新たな測定基準であるMulti-View Agreement with Ground Truthを用いて,実世界の6つのデータセットに対して評価を行った。
  論文  参考訳（メタデータ） (2024-06-03T03:22:18Z)
• Auditing and Generating Synthetic Data with Controllable Trust Trade-offs [54.262044436203965]
  合成データセットとAIモデルを包括的に評価する総合監査フレームワークを導入する。 バイアスや差別の防止、ソースデータへの忠実性の確保、実用性、堅牢性、プライバシ保護などに焦点を当てている。 多様なユースケースにまたがる様々な生成モデルを監査することにより,フレームワークの有効性を実証する。
  論文  参考訳（メタデータ） (2023-04-21T09:03:18Z)

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。