误信息反应框架：关于读者对新闻标题反应的推理

即便面对简单而简短的新闻标题，读者也会以多种方式作出反应：认知上（如推断作者意图）、情感上（如感到不信任）以及行为上（如将新闻分享给朋友）。此类反应瞬时发生却十分复杂，因为它们依赖于超出新闻事实内容解读的因素。我们提出误信息反应框架（MRF），一种用于建模读者可能如何对新闻标题作出反应的语用形式体系。与分类模式不同，我们的自由文本维度提供了一种更细致的方式来理解意图，而非仅区分良性或恶意。我们还引入了误信息反应框架语料库，一个针对逾 25k 个聚焦全球危机（Covid-19 大流行、气候变化与癌症）新闻标题反应的人工标注数据集。实证结果证实，神经模型确实有可能预测读者对未见新闻标题的显著反应模式。此外，我们的用户研究表明，向读者展示新闻标题旁机器生成的 MRF 推论，可提升其对真实新闻的信任，同时降低其对误信息的信任。我们的工作展示了新闻标题语用推理的可行性与重要性，有助于增强 AI 引导的误信息检测与缓解。