通过框架理论检测虚假信息：基于框架元素的模型

在本文中，我们深入探讨了虚假信息检测这一快速演变的挑战，特别关注叙事框架的微妙操纵——这是人工智能社区中一个尚未充分探索的领域。生成式人工智能模型生成误导性叙事的潜力凸显了该问题的紧迫性。借鉴传播学和框架理论，我们认为对准确信息的呈现或“框架化”可以极大地改变其解读方式，从而可能导致虚假信息。我们通过现实世界的例子强调了这一问题，展示了叙事框架的转变如何将基于事实的信息转变为虚假信息。为了应对这一挑战，我们提出了一种创新方法，利用预训练大型语言模型和深度神经网络的能力，来检测源自不同框架下呈现的准确事实的虚假信息。这些先进的人工智能技术在识别非结构化数据中的复杂模式方面提供了前所未有的能力，这对于审视叙事框架的细微差别至关重要。本文旨在弥合人工智能领域的一个重大研究空白，为处理由框架引发的虚假信息提供有价值的见解和方法，从而为负责任和可信赖的人工智能技术的进步做出贡献。我们进行了大量实验，实验结果明确展示了框架理论各元素的不同影响，证明了应用框架理论来提高虚假信息检测性能的合理性。