論文の概要: Fact-check? True!: Tracking Verification Requests and the Absence of Truth Verdicts across Correction Systems

• arxiv url: http://arxiv.org/abs/2610.17068v1
• Date: Mon, 12 Oct 2026 16:31:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-18 03:24:49.082505
• Title: Fact-check? True!: Tracking Verification Requests and the Absence of Truth Verdicts across Correction Systems
• Title（参考訳）: Fact-check? True!: Tracking Verification Requests and the Absence of Truth Verdicts across Correction Systems
• Abstract要約: 個人は偽情報を信じるか、真情報を拒絶することができる。 現在のデバンキングシステムは、ほとんど完全に偽造の訂正に焦点を当てている。 我々は、真の情報を疑うことによって、全体的な誤解がどれほどの程度に導かれるかを明確に理解していない。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Misperceptions can run in two directions. Individuals can either believe false information or reject true information, with experimental work finding that debunking efforts are effective at correcting both forms of misperception. Yet despite the efficacy of true corrections, current debunking systems focus almost entirely on the correction of falsehoods, with professional fact-checkers publishing few true verdicts and crowdsourced systems like X's Community Notes program unable, by rule, to display notes verifying true claims. As a result, we do not have a clear understanding of the extent to which overall misperceptions are driven by doubting true information. To answer this question we first draw on a novel dataset of 47,899 queries to X's AI assistant which track users asking for verification on post content. Surprisingly, among questioned posts that received a true or false verdict, Grok judged nearly identical shares as either accurate or inaccurate. Of the questioned posts, more than 83\% were not flagged by Community Notes and only 3.3\% carried a displayed note. Among questioned posts judged accurate by Grok, nearly 90\% received no note at all while fewer than 2\% displayed a note flagging them as misleading. This discrepancy does not seem to have stemmed from a lack of effort, with contributors writing 2,981 notes verifying questioned posts despite there being no way for Community Notes to display them publicly. Alongside further exploration of these findings we discuss both the system- and code-level changes that would be required to effectively address this asymmetric correction paradigm.
• Abstract（参考訳）: 知覚は2方向に進むことができる。 個人は偽の情報を信じるか、真の情報を拒否したりすることができる。 しかし、真の修正の有効性にもかかわらず、現在のデバンキングシステムは、ほとんど完全に偽の訂正に焦点を合わせており、プロのファクトチェッカーは、真実の評決をほとんど発表せず、XのCommunity Notesプログラムのようなクラウドソースシステムも、ルールによって、真実のクレームを検証したノートを表示することができない。 その結果、真の情報に疑問を抱くことによって、全体的な誤認識がどれほどの程度で行われているか、明確な理解が得られていない。 この質問に答えるために、まずXのAIアシスタントに47,899のクエリからなる新しいデータセットを作成します。 驚いたことに、真偽の評決を受けた疑わしい投稿の中で、Grokは、ほぼ同一の株を正確か不正確であると判断した。 質問された投稿のうち、83\%以上はコミュニティノートに掲示されず、3.3\%しか掲示されていない。 Grokが正確に判断した疑わしい記事の中で、90%近くがメモを受け取らなかった。 コントリビュータは、コミュニティノートが公開する手段がないにもかかわらず、質問された投稿を検証している2,981通のメモを書いている。 これらの発見のさらなる探索とともに、この非対称補正パラダイムに効果的に対処するために必要とされるシステムレベルとコードレベルの両方の変更について議論する。

関連論文リスト

• What You Can't See Is Still What You Learn: A Preregistered Sixty-Society Confirmation That Evidence Masking Drives Compositional Generalization [0.0]
  モジュールの可読性を制限することで、システムが計算で学んだことを改善することができる。 我々は、凍結した言語モデルバックボーンを共有する60の4セルシステムによる事前登録確認でこれを検証した。
  論文  参考訳（メタデータ） (2026-09-15T12:40:45Z)
• LLM Judges Verify Presence, Not Absence: Omission Blindness in AI Clinical Notes and What Recovers It [0.0]
  Ambient AIは、ドラフト臨床ノートを書き、公開監査では、主なエラーは欠落である。 私たちのベンチマークには、監査済みのファクトシートから500個のルリックエラーノートペアがあります。 シングルノートでは、完璧なノートよりも確実にデザインフラグが省略されることはない。
  論文  参考訳（メタデータ） (2026-08-31T15:59:54Z)
• Critical or Compliant? The Double-Edged Sword of Reasoning in Chain-of-Thought Explanations [60.27156500679296]
  系統的な推論連鎖の摂動とデリバリートーンの操作による道徳シナリオにおけるCoT(Chain-of-Thought)の説明の役割について検討した。 1) 利用者は, 根拠に欠陥がある場合でも, 信頼感を保ち, 結果合意を信頼する傾向がみられた。 これらの結果は、CoTの説明が同時に明確化と誤解を招き、視覚的信頼よりも精査と批判的思考を奨励する説明を提供するNLPシステムの必要性を強調している。
  論文  参考訳（メタデータ） (2025-11-15T02:38:49Z)
• The Missing Parts: Augmenting Fact Verification with Half-Truth Detection [20.011177314734887]
  多くの現実世界の主張は半真実であり、実際は正しいが、批判的な文脈が欠落しているために誤解を招く。 我々は,半真実検出の課題を紹介し,文レベルの証拠アライメントと推論されたクレーム意図を付加した15kの政治的クレームを備えた新しいベンチマークであるPolitiFact-Hiddenを提案する。 提案するTRACERは,エビデンスを整理し,インプリートを推定し,隠されたコンテンツの因果的影響を推定することにより,省略に基づく誤報を識別するモジュラー・リアセスメント・フレームワークである。
  論文  参考訳（メタデータ） (2025-08-01T10:06:38Z)
• Lyra: Orchestrating Dual Correction in Automated Theorem Proving [63.115422781158934]
  Lyraは新しいフレームワークで、ツール補正とConjecture Correctionという2つの異なる補正メカニズムを採用している。 ツール補正は幻覚の緩和に寄与し、それによって証明の全体的な精度が向上する。 Conjecture Correctionは命令で生成を洗練させるが、ペア化された(生成、エラー、改善)プロンプトは収集しない。
  論文  参考訳（メタデータ） (2023-09-27T17:29:41Z)
• Missing Counter-Evidence Renders NLP Fact-Checking Unrealistic for Misinformation [67.69725605939315]
  誤報は、信頼できる情報が限られている不確実な時に現れる。 NLPベースのファクトチェックは、まだ利用できないかもしれない反証拠に依存しているため、これは難しい。
  論文  参考訳（メタデータ） (2022-10-25T09:40:48Z)
• ClaimDiff: Comparing and Contrasting Claims on Contentious Issues [23.260333361646495]
  ClaimDiffは、主にクレームペア間のニュアンスの比較に焦点を当てたデータセットである。 268のニュース記事から2,941の注釈付きクレームペアを提供する。 人間はクレーム間のニュアンスを検出することができるが、強いベースラインはそれらを検出するのに苦労している。
  論文  参考訳（メタデータ） (2022-05-24T17:29:13Z)
• Factual Error Correction of Claims [18.52583883901634]
  本稿では,事実誤り訂正の課題を紹介する。 誤情報を含む文章を修正するメカニズムを提供します。 これは、すでに証拠によって部分的に支持されている主張に固有の説明として機能する。
  論文  参考訳（メタデータ） (2020-12-31T18:11:26Z)
• Claim Check-Worthiness Detection as Positive Unlabelled Learning [53.24606510691877]
  クレームチェックの信頼性検出はファクトチェックシステムにおいて重要な要素である。 これらの課題の根底にあるクレームチェックの信頼性検出における中心的な課題を照明する。 我々の最良の手法は、正の非競合学習の変種を用いて、これを自動的に修正する統一的なアプローチである。
  論文  参考訳（メタデータ） (2020-03-05T16:06:07Z)

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。