当谎言大部分为真：嵌入式谎言的自动言语欺骗检测
计算与语言
2025-07-24 v1
摘要
背景：言语欺骗检测研究依赖于叙述，并通常假设陈述为真实或欺骗性。一种更现实的视角承认陈述的真实性存在于一个连续体中，真实和欺骗部分嵌入在同一陈述中。然而，关于嵌入式谎言的研究一直滞后。方法：我们收集了一个包含2,088条真实和欺骗性陈述的新数据集，并标注了嵌入式谎言。采用被试内设计，参与者提供了一段自传体事件的真实陈述。然后他们以欺骗性方式重写陈述，加入嵌入式谎言，之后他们高亮这些谎言并判断其谎言中心性、欺骗性和来源。结果：我们展示了一个微调的语言模型（Llama-3-8B）能够以64%的准确率分类真实陈述和包含嵌入式谎言的陈述。个体差异、语言属性和可解释性分析表明，向嵌入式谎言推进的挑战源于它们与真实陈述的相似性。典型的欺骗性陈述由2/3的真实信息和1/3的嵌入式谎言组成，这些谎言主要来源于过去的个人经历，并且与真实陈述的语言差异极小。结论：我们将此数据集作为应对这一挑战的新资源，并促进言语欺骗检测中嵌入式谎言的研究。
引用
@article{arxiv.2501.07217,
title = {When lies are mostly truthful: automated verbal deception detection for embedded lies},
author = {Riccardo Loconte and Bennett Kleinberg},
journal= {arXiv preprint arXiv:2501.07217},
year = {2025}
}