标签
EMNLP Findings 2026 的一篇论文提出了一种多智能体框架（包括文本、图像和批评者智能体），生成了 9,000 多条多模态假新闻帖子，并对 16 个开源和闭源多模态大语言模型进行了基准测试。结果发现这些模型的检测准确率尚达不到人类水平，尤其在判断图像真实性方面表现不佳。
本研究探讨了大型语言模型在不同场景下生成与检测虚假新闻的表现差异，并发现经过精细优化的提示词并不总能提升检测效果。
一个美国关联的虚假网站网络正向AI聊天机器人推送Alberta分离主义内容，意图影响AI系统。
BharatGather是一个专为印度大规模集会设计的二元虚假信息检测的文化感知基准数据集，包含14,646条记录，旨在解决自动化假新闻检测中的社会文化细微差别。
一项涉及504名参与者的研究发现，高度怀疑并未提高对AI生成文本的检测能力，持续接触下假新闻准确性下降了10.2个百分点，这表明在媒体评估中存在认知疲劳。
一项研究发现，虽然人工智能聊天机器人最初能提高虚假新闻识别能力，但长期使用会导致独立表现下降，突显了人工智能依赖悖论。研究表明，采用苏格拉底式提问的人工智能风格可能更有利于用户学习辨别真相。
本文应对由文本生成视频（T2V）模型生成的纯合成假新闻视频日益增长的威胁，提出了一项新的三元分类任务和首个纯合成假新闻视频数据集（PS-FNVD），以及一个推理引导框架（R-T2V），该框架实现了最先进的检测准确率。
本文介绍了一个多模态NLP框架，融合了XLM-RoBERTa和CLIP以及地理空间和讽刺特征，用于检测假新闻和预测暴力驱动的暴乱活动，在一个包含138,256个样本的孟加拉语/英语数据集上实现了98%的测试准确率。
来自肯尼索州立大学的研究人员利用可解释语言特征（词汇多样性、可读性、情感特征）对检测AI生成假新闻的跨提示词泛化能力展开研究。在一种提示策略上训练、在另一种提示策略上测试的随机森林分类器取得了0.988至1.000的AUC值，表明这些特征能够捕捉AI生成文本的稳定且可泛化的属性。
提出了CORE框架，赋予多模态大语言模型显式的冲突捕获能力，以实现可泛化的篡改检测，能够通过少量或零样本适应未见过的篡改类型。
本文介绍了BOUTEF，一个用于研究阿尔及利亚和突尼斯假新闻的大规模多语言语料库，涵盖阿拉伯方言、Arabizi、法语、英语及语码转换。该语料库包含对语言策略和互动动态的实证分析。
Department of War 发布的更正澄清，SpaceX 仍然是一个强大且宝贵的合作伙伴，驳斥了一篇新闻文章中的虚假说法。
Donald Trump stated that Israel did not urge him to attack Iran; his decision was driven by the Oct 7, 2023 events and his belief that Iran must not obtain nuclear weapons, while also criticizing media and polls as largely fabricated.