Generative Debunking of Climate Misinformation

关于气候变化的错误信息会引发许多负面影响，需要进行纠正。心理学研究提出了各种策略来减少气候谣言的影响，例如事实-谣言-谬误-事实结构。然而，在实践中规模化地实施纠正干预措施是一个挑战。自动检测和纠正错误信息提供了解决错误信息问题的解决方案。本研究记录了大型语言模型的开发，这些模型接受气候谣言作为输入，并产生符合事实-谣言-谬误-事实（“真相三明治”）结构的揭穿信息，通过将反对主张分类和谬误检测纳入LLM提示框架中。我们将开放式（Mixtral，Palm2）和专有的（GPT-4）LLM与不同复杂度的提示策略相结合。实验表明，如果与结构化提示相结合，GPT-4和Mixtral表现出很有前途的性能。我们确定了揭穿信息生成和人工评估的具体挑战，并规划了未来的研究方向。我们发布了高质量真相三明治揭穿信息的数据集、源代码和揭穿系统的演示。

自动检测和纠正气候谣言的解决方案

使用大型语言模型结合反对主张分类和谬误检测，自动生成符合事实-谣言-谬误-事实结构的真相驳斥，通过结构化提示实现自动化纠正气候谣言的目标。

论文开发了大型语言模型，结合反对主张分类和谬误检测，自动生成符合事实-谣言-谬误-事实结构的真相驳斥。实验表明GPT-4和Mixtral结合结构化提示具有良好的性能表现。研究释放了高质量的真相驳斥数据集、源代码和演示系统。

最近的相关研究包括《针对假新闻的神经机器翻译模型的自动编码器》、《使用BERT进行谣言检测的实证研究》、《自动检测和纠正谣言的综合方法》等。