通过情感回应生成对抗虚假信息

社交媒体平台（SMPs）上虚假信息的泛滥对公共健康、社会凝聚乃至民主构成重大威胁。先前研究表明，通过直接与传播——通常是出于善意的——误导性消息的用户进行建设性对话，社会纠错可有效遏制虚假信息。尽管专业事实核查员对揭穿病毒式说法至关重要，但他们通常不在社交媒体上参与对话。因此，已有大量工作致力于将事实核查材料自动化用于社会纠错；然而，此前尚无研究尝试将其与社交媒体交流中常用的风格和语用相融合。为填补此空白，我们提出VerMouth，这是首个大规模数据集，包含约1.2万条声明-回应配对（关联揭批文章），同时考虑了SMP风格和基本情感这两个在虚假信息可信度与传播中起重要作用的因素。为收集该数据集，我们采用了一种基于作者-审阅者流程的技术，高效结合LLM与人类标注者以获取高质量数据。我们还提供了全面的实验，表明在我们所提数据集上训练的模型在输出质量和泛化能力方面有显著提升。