論文の概要: Reducing belief in conspiracy theories as they unfold using large language models

• arxiv url: http://arxiv.org/abs/2608.06151v1
• Date: Thu, 06 Aug 2026 15:18:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-07 15:25:20.941895
• Title: Reducing belief in conspiracy theories as they unfold using large language models
• Title（参考訳）: 大規模言語モデルを用いて展開する陰謀論における信念の低減
• Abstract要約: 大規模言語モデル(LLM)との対話が即時展開する陰謀に対する信念を減少させるかどうかを検証した。 2024年7月のドナルド・トランプ暗殺事件と、2025年9月のチャーリー・カーク暗殺事件の翌日に行われた実験。
• 参考スコア（独自算出の注目度）: 0.23090185577016442
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The emergence of conspiracy theories in the wake of major events is a significant societal challenge. Here we test whether conversational dialogues with a large language model (LLM) can reduce belief in immediately unfolding conspiracies. In experiments conducted in the days following the July 2024 assassination attempt on Donald Trump and the September 2025 assassination of Charlie Kirk, U.S. adults (Experiment 1: N = 472; Experiment 2: N = 1035) holding conspiratorial views about the crisis event engaged in a multi-turn conversation with an LLM prompted to reduce their conspiracy belief. Compared to control participants who either discussed an irrelevant topic with an LLM or viewed a static fact sheet, participants in the LLM treatment showed significantly reduced conspiracy beliefs in both experiments. We also found evidence of downstream effects of the LLM treatment, observing reduced belief in different conspiracies one to two months later in the wake of subsequent crisis events. These results shed light on the psychology of emerging conspiracies and highlight the potential for scalable, cognitively-focused interventions to counteract misinformation in the immediate aftermath of high-profile societal events.
• Abstract（参考訳）: 主要な出来事の引き金となった陰謀論の出現は、社会的な大きな課題である。 ここでは,大規模言語モデル(LLM)との対話が,即時展開する陰謀に対する信念を減少させるかどうかを検証する。 2024年7月のドナルド・トランプ暗殺事件と2025年9月のチャーリー・カーク暗殺事件の後に行われた実験では、米国の成人(実験1:N = 472;実験2:N = 1035)は、LLMとの複数回にわたる会話にかかわる危機事象について、共謀的な見解を持っている。 LLMと無関係な話題を論じたり、静的な事実シートを見たりした参加者と比較すると、LSM治療の参加者は双方の実験における陰謀の信念を著しく減らした。 また,LLM治療の下流への効果を示す証拠も見出され,その後1～2カ月後の危機的出来事を契機に,異なる陰謀に対する信念の低下が観察された。 これらの結果は、新興の陰謀の心理学に光を当て、高名な社会的出来事の直後に誤情報に対処するために、スケーラブルで認知に焦点を当てた介入の可能性を強調した。

関連論文リスト

• Large language models can effectively convince people to believe conspiracies [8.413939104641601]
  大規模言語モデル(LLM)は様々な文脈で説得可能であることが示されている。 これらのモデルが反証するのと同じくらい簡単に不信を助長できるかどうかを考察する。
  論文  参考訳（メタデータ） (2026-01-08T15:56:05Z)
• Do Androids Dream of Unseen Puppeteers? Probing for a Conspiracy Mindset in Large Language Models [6.909716378472136]
  本研究では,Large Language Models (LLMs) が相補的傾向を示すか,この領域に相補的バイアスを示すか,また,相補的視点を採用することがいかに容易かを検討する。
  論文  参考訳（メタデータ） (2025-11-05T18:28:28Z)
• ConspirED: A Dataset for Cognitive Traits of Conspiracy Theories and Large Language Model Safety [87.90209836101353]
  コンスピレーション(Conspired)は、一般的な認知特性に注釈を付けた最初の陰謀的内容のデータセットである。 我々は,比較的特徴を識別し,テキスト抽出において支配的特徴を決定する計算モデルを開発した。 我々は,大規模言語/推論モデル (LLM/LRM) を補間入力に対して頑健性を評価する。
  論文  参考訳（メタデータ） (2025-08-28T06:39:25Z)
• Beyond Prompt-Induced Lies: Investigating LLM Deception on Benign Prompts [79.1081247754018]
  大規模言語モデル(LLM)は、推論、計画、意思決定のタスクに広くデプロイされている。 そこで我々は, 接触探索質問(CSQ)に基づく枠組みを提案し, 騙しの可能性を定量化する。
  論文  参考訳（メタデータ） (2025-08-08T14:46:35Z)
• Classifying Conspiratorial Narratives At Scale: False Alarms and Erroneous Connections [4.594855794205588]
  この研究は、陰謀論に関する議論を分類するための一般的なスキームを確立する。 我々は、オンラインCTを分類するためのBERTベースのモデルをトレーニングするために、人間ラベル付き地上真実を利用する。 本研究は,最も活発な陰謀に関するRedditフォーラムの投稿を用いた,最初の大規模分類研究である。
  論文  参考訳（メタデータ） (2024-03-29T20:29:12Z)
• The Dawn After the Dark: An Empirical Study on Factuality Hallucination in Large Language Models [134.6697160940223]
  幻覚は、大きな言語モデルの信頼できるデプロイには大きな課題となります。 幻覚(検出)の検出方法、LLMが幻覚(ソース)をなぜ検出するのか、そしてそれを緩和するために何ができるか、という3つの重要な疑問がよく研究されるべきである。 本研究は, 幻覚検出, 発生源, 緩和の3つの側面に着目した, LLM幻覚の系統的研究である。
  論文  参考訳（メタデータ） (2024-01-06T12:40:45Z)
• The Conspiracy Money Machine: Uncovering Telegram's Conspiracy Channels and their Profit Model [45.36255876305057]
  陰謀のチャネルは、17,000以上のチャンネルからなる4つの異なるコミュニティにまとめることができる。 陰謀論者はeコマースプラットフォームを利用して、疑わしい商品を販売したり、アフィリエイトリンクを通じて利益を上げたりする。 われわれは「共謀マネーマシン」を暴露し、ほとんどの共謀チャンネルが加入者からの利益を積極的に求めていることを明らかにした。
  論文  参考訳（メタデータ） (2023-10-24T16:25:52Z)
• Avalon's Game of Thoughts: Battle Against Deception through Recursive Contemplation [80.126717170151]
  本研究では,複雑なアバロンゲームを用いて,認知環境におけるLSMの可能性を探究する。 本稿では,LLMの偽情報識別・対策能力を高めるための新しいフレームワークRecursive Contemplation(ReCon)を提案する。
  論文  参考訳（メタデータ） (2023-10-02T16:27:36Z)
• A Golden Age: Conspiracy Theories' Relationship with Misinformation Outlets, News Media, and the Wider Internet [6.917588580148212]
  我々は、5つの陰謀論に特化した755の異なる陰謀論ウェブサイトを特定し、公開する。 それぞれのセットが、同じ外部ドメインにハイパーリンクされることがよくあります。 ニュースメディアの役割を調べると、報道機関は陰謀論のウェブサイトに偽情報のハイパーリンクを広めることが知られているだけでなく、真正なニュースサイトよりも頻繁に行われていることが分かる。
  論文  参考訳（メタデータ） (2023-01-26T00:20:02Z)
• Event knowledge in large language models: the gap between the impossible and the unlikely [46.540380831486125]
  我々は,事前学習された大規模言語モデル (LLM) がイベント知識を持つことを示す。 彼らはほぼ常に、不可能な事象に対して高い確率を割り当てる。 しかし、おそらくは起こりそうもない出来事に対して、一貫性のない選好を示す。
  論文  参考訳（メタデータ） (2022-12-02T23:43:18Z)
• Where the Earth is flat and 9/11 is an inside job: A comparative algorithm audit of conspiratorial information in web search results [62.997667081978825]
  本稿では,Google,Bing,DuckDuckGo,Yahoo,Yandexの5つの検索エンジンを対象に,検索結果における比較情報の分布について検討する。 われわれは、Google以外の検索エンジンが一貫して共謀広告の検索結果を表示し、共謀広告のウェブサイトへのリンクをトップに返したことを知った。 共謀プロモーティングの結果のほとんどはソーシャルメディアや共謀のウェブサイトから得られたものであり、一方共謀の情報は科学的なウェブサイトで共有され、より少なからぬレガシなメディアによって共有された。
  論文  参考訳（メタデータ） (2021-12-02T14:29:21Z)
• Soros, Child Sacrifices, and 5G: Understanding the Spread of Conspiracy Theories on Web Communities [11.319938541673578]
  Redditには66万件の投稿と277万件のコメントがあり、陰謀説を議論するツイートは379万件ある。 私たちの分析では、陰謀論がオンライン上で議論され、広められるかということに光を当てています。
  論文  参考訳（メタデータ） (2021-11-03T12:52:10Z)
• The Truth is Out There: Investigating Conspiracy Theories in Text Generation [66.01545519772527]
  言語モデルが陰謀理論テキストを生成する可能性を検討する。 本研究は陰謀理論の解明のためにこれらのモデルをテストすることに焦点を当てている。 陰謀理論のトピック、機械生成陰謀理論、人為的陰謀理論からなる新しいデータセットを紹介します。
  論文  参考訳（メタデータ） (2021-01-02T05:47:39Z)

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。