面向错误信息易感性的认知基础贝叶斯框架
计算与语言
2026-05-12 v1 人工智能
机器学习
摘要
在这篇（正在进行的工作）论文中，我们提出了有界语用听者（BPL），这是一个具有认知基础的贝叶斯框架，用于对信息失序的易感性进行建模。BPL 扩展了理言语行为理论，引入了三个源自有限理性文献的、具有认知动机的边界：a) 递归深度界限（强调工作记忆限制）；b) 先验压缩参数（旨在捕获信息瓶颈）；以及 c) 可用性样本量（通过显著性加权的提议将重要性采样操作化）。这使我们能够测试关于错误信息易感性、标注者分歧以及对信息失序框架中定义的错误信息、虚假信息和恶意信息的差异性脆弱性的预测。我们在 LIAR 和 MultiFC 基准上验证了 BPL，展示了具有竞争力的真实性分类以及对深度不匹配悖论的实验支持。
引用
@article{arxiv.2605.09483,
title = {A Cognitively Grounded Bayesian Framework for Misinformation Susceptibility},
author = {Pranava Madhyastha},
journal= {arXiv preprint arXiv:2605.09483},
year = {2026}
}
备注
work in progress