論文の概要: A misinformation playbook sharpens judgement without breeding cynicism

• arxiv url: http://arxiv.org/abs/2610.22724v1
• Date: Thu, 15 Oct 2026 22:53:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-20 00:56:07.693643
• Title: A misinformation playbook sharpens judgement without breeding cynicism
• Title（参考訳）: 誤情報プレイブックはシニシズムを育むことなく判断を鋭くする
• Abstract要約: 誤情報を学習することで、人間や機械がほとんど知らないクレームの判断を研ぎ澄ませることを示す。 この戯曲は、社会的影響、情報操作、感情的な魅力に及び、恐怖、陰謀、そして創造の核心が組み合わさっている。 同じ説明によって、人々が不慣れであると報告した主張の認識が向上し、真の主張に対する信念は変わらないままになった。
• 参考スコア（独自算出の注目度）: 12.008633098010556
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Misinformation harms public health and democracy, and generative artificial intelligence now writes falsehoods as persuasive as people's. Defences range from fact-checking individual claims to training people to resist falsehoods. Yet many claims are too new to check, and interventions that teach doubt can reduce belief in truth too. We propose a defence that targets not the facts of each claim but the persuasion strategies that recur across them. Here we show that learning misinformation's persuasion playbook, mapped from 214,646 fact-checked claims in 51 languages, can sharpen human and machine judgement of claims they know little about, without making either more cynical about true claims. The playbook spans social influence, information manipulation and emotional appeals, combined around a core of fear, conspiracy and fabrication. Briefed with it, plus a reminder that persuasion is not proof of falsehood, a language model better distinguished true from machine-generated false claims about events after its training data. In a pre-registered experiment, the same briefing improved people's discernment of claims they reported as unfamiliar and left their belief in true claims unchanged. Averaged over all claims, the gain was not statistically significant. Because it targets what recurs, this defence need not wait for claim-specific fact-checks.
• Abstract（参考訳）: 誤報は公衆の健康と民主主義を害し、生成的人工知能は現在、人々の偽装を説得力のあるものとして記述している。 弁護側は事実確認から、偽造に抵抗する訓練まで幅広い。 しかし、多くの主張はチェックするにはあまりにも新しいものであり、疑念を教える介入は真実に対する信条を減少させる可能性がある。 我々は,各クレームの事実ではなく,それらにまたがる説得戦略を目標とする防衛法を提案する。 ここでは、51言語で214,646件の事実チェックされたクレームからマッピングされた、誤情報学習の説得プレイブックが、彼らがほとんど知らないクレームの人間と機械による判断を、真のクレームについてよりシニカルなものにすることなく研ぎ澄ませることを示す。 この戯曲は、社会的影響、情報操作、感情的な魅力に及び、恐怖、陰謀、そして創造の核心が組み合わさっている。 それに加えて、説得が虚偽の証明ではないことを思い出させるため、言語モデルはトレーニングデータ以降の出来事に関する機械生成の虚偽の主張と真とを区別する方がよい。 事前登録された実験では、同じブリーフィングにより、人々が不慣れであると報告した主張の認識が向上し、真の主張に対する信念は変わらなかった。 すべての主張を概観すると、その伸びは統計的に重要ではなかった。 再帰を狙うため、この防衛はクレーム固有の事実チェックを待つ必要はない。

関連論文リスト

• The Facade of Truth: Uncovering and Mitigating LLM Susceptibility to Deceptive Evidence [49.94160400740222]
  MisBeliefは、協調的な多ラウンドの相互作用によって誤解を招く証拠を生成するフレームワークである。 MisBeliefを用いて、3つの難易度で4,800のインスタンスを生成し、7つの代表的なLCMを評価する。 結果は、モデルは直接的な誤報に対して堅牢であるが、この洗練された証拠に非常に敏感であることを示している。 本稿では,疑似意図を証拠裏で推測することにより早期警告信号を提供するガバナンス機構である,認知的意図遮蔽(DIS)を提案する。
  論文  参考訳（メタデータ） (2026-01-09T02:28:00Z)
• Grounding Fallacies Misrepresenting Scientific Publications in Evidence [84.32990746227385]
  誤検出データセットMisciの拡張であるMisciPlusを紹介する。 MissciPlusは、実世界の誤った証拠と誤った主張を組み合わせ、証拠に基づく事実チェックモデルへの入力と同一である。 以上の結果から,現在の事実チェックモデルでは,誤報を否定するために,誤表現された科学パスを使用するのが困難であることが示唆された。
  論文  参考訳（メタデータ） (2024-08-23T03:16:26Z)
• Missci: Reconstructing Fallacies in Misrepresented Science [84.32990746227385]
  ソーシャルネットワーク上の健康関連の誤報は、意思決定の貧弱さと現実世界の危険につながる可能性がある。 ミスシは、誤った推論のための新しい議論理論モデルである。 大規模言語モデルの批判的推論能力をテストするためのデータセットとしてMissciを提案する。
  論文  参考訳（メタデータ） (2024-06-05T12:11:10Z)
• Fact-checking information from large language models can decrease headline discernment [6.814801748069122]
  本稿では,人気大言語モデルが生成した事実確認情報が,政治ニュースの見出しの信条や共有意図に与える影響について検討する。 この情報は、見出しの正確さを識別したり、正確なニュースを共有したりする参加者の能力を大幅に向上させるものではない。 我々の発見は、AIアプリケーションから生じる潜在的な害の重大な原因を浮き彫りにしている。
  論文  参考訳（メタデータ） (2023-08-21T15:47:37Z)
• 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)
• Generating Literal and Implied Subquestions to Fact-check Complex Claims [64.81832149826035]
  我々は、複雑なクレームを、そのクレームの正確性に影響を及ぼす「イエス・ノー・サブクエスト」の包括的集合に分解することに集中する。 我々は1000以上のクレームに対する分解のデータセットである ClaimDecomp を提示する。 これらのサブクエストは、関連する証拠を特定し、すべてのクレームを事実確認し、回答を通じて正確性を引き出すのに役立ちます。
  論文  参考訳（メタデータ） (2022-05-14T00:40:57Z)
• Automated Fact-Checking for Assisting Human Fact-Checkers [29.53133956640405]
  不正確または誤解を招く主張を広めるメディアの誤用は、ファクトチェッカーの近代化をもたらしました。 私たちは、事実確認のさまざまなステップで人間の専門家をサポートすることができる利用可能なインテリジェントな技術を調査します。 いずれの場合も,今後の作業における課題と,実世界のファクトチェックへの影響に注意を払っています。
  論文  参考訳（メタデータ） (2021-03-13T18:29:14Z)

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。