探测中文短视频误information中的认知偏置——面向多模态大语言模型
计算与语言
2026-05-19 v3
摘要
短视频平台已成为误information的主要渠道，欺骗性声明经常利用视觉实验和社交线索进行误导。尽管多模态大语言模型（MLLMs）已展示出惊人的推理能力，但其对与认知偏置交织的误information的鲁棒性仍未得到充分探索。本文引入一个全面的评估框架，采用高质量、人工标注的 200 条短视频数据集，覆盖四个健康领域。该数据集为三类欺骗模式——实验错误、逻辑谬误和虚构声明——提供细粒度标注，每条均由国家标准和学术文献等证据进行验证。我们评估了八个前沿 MLLM 在五种模态设置下的表现。实验结果显示，Gemini-2.5-Pro 在多模态 setting 中取得最高分数（71.5/100），而 o3 表现最差（35.2）。此外，我们调查导致虚假信念的社交线索，发现模型对权威渠道 ID 等偏见较为敏感。
关键词
引用
@article{arxiv.2601.06600,
title = {Probing Multimodal Large Language Models on Cognitive Biases in Chinese Short-Video Misinformation},
author = {Jen-tse Huang and Chang Chen and Shiyang Lai and Wenxuan Wang and Michelle R. Kaufman and Mark Dredze},
journal= {arXiv preprint arXiv:2601.06600},
year = {2026}
}
备注
Accepted to ACL 2026 (Findings)