研究（n=504）：高度怀疑并未提高对AI生成文本的检测，持续接触下假新闻准确性下降10.2个百分点

声明：我是作者之一。在此分享发现以供讨论，非销售任何东西。预印本为开放获取（CC BY 4.0）。我们进行了一项人类受试者研究，参与者根据两个轴对新闻片段进行分类：来源（人类 vs 机器）和真实性（真实 vs 虚假）。n=504名参与者，n=2,438次判断。三个令我们惊讶的结果：感知-准确性差距。更怀疑的参与者在检测机器生成文本方面并未表现更好。保持警惕并未转化为准确性，这对于任何依赖于“只需更怀疑”的媒体素养建议的防御措施来说都是尴尬的。对于我们的参与者来说，现代LLM的输出常常与人类文本无法区分。不对称认知疲劳。在持续接触下，假新闻检测下降了10.2个百分点，而AI来源检测大致保持稳定。这两个判断似乎依赖于不同的资源，并且只有一个会耗尽。我们使用改编的网络安全杀伤链来组织结果，将虚假信息视为一个阶段性生命周期，而不是一个需要分类的单一制品。这样框架的目的是询问在哪里可以更早地干预，而不是在链条末端要求疲惫的人类发现虚假。预印本：https://arxiv.org/abs/2608.21389疲劳不对称是我一直在思考的部分。如果真实性判断在负载下退化而来源判断没有，那么增加个人需要评估内容量的平台干预措施可能正在悄悄地使情况恶化。好奇这里的读者是否对第三个发现有同样的看法，或者是否有更简单的解释我忽略了。