利用大型语言模型生成针对反疫苗推文的有效反驳论
计算与语言
2025-10-21 v1
摘要
在公众卫生日益受到社交媒体信息影响的时代，反击疫苗疑虑和误导信息已成为关键社会目标。围绕疫苗的误导叙述广泛传播，阻碍了实现高免疫率的目标，并削弱了对健康建议的信任。虽然检测误导信息的努力取得了显著进展，但针对此类信息生成实时、量身定制的反驳论仍不足被探索。本文探索了大型语言模型(LLM)生成针对疫苗误导信息的扎实反驳论的能力。基于先前的误导信息驳斥研究，我们实验各种提示策略和微调方法以优化反驳论生成。此外，我们训练分类器将反疫苗推文归类为多标签类别，如疫苗疗效、副作用和政治影响等，实现更具上下文感知的驳斥。我们的评估通过人类判断、LLM基于评估和自动度量衡，显示这些方法之间存在强大的一致性。我们的发现表明，整合标签描述和结构化微调可提升反驳论效果，为大规模缓解疫苗误导信息提供了有前景的方案。
引用
@article{arxiv.2510.16359,
title = {Utilising Large Language Models for Generating Effective Counter Arguments to Anti-Vaccine Tweets},
author = {Utsav Dhanuka and Soham Poddar and Saptarshi Ghosh},
journal= {arXiv preprint arXiv:2510.16359},
year = {2025}
}
备注
14 pages, 1 figure, work done as a part of B.Tech project at IIT Kharagpur