Arxiv hàng ngày

Đây là trang tổng hợp các bài báo về trí tuệ nhân tạo được xuất bản trên toàn thế giới.
Trang này sử dụng Google Gemini để tóm tắt nội dung và hoạt động phi lợi nhuận.
Bản quyền của các bài báo thuộc về tác giả và tổ chức liên quan; khi chia sẻ, chỉ cần ghi rõ nguồn.

Mô hình hóa buồng phản hồi giếng trọng lực với mô hình xác nhận thiên vị dựa trên LLM

Created by
  • Haebom

Tác giả

Joseph Jackson, Georgiy Lapin, Jeremy E. Thompson

Phác thảo

Bài báo này trình bày một mô hình mới để phân tích hiện tượng buồng vọng trên mạng xã hội. Mở rộng mô hình "giếng trọng lực" hiện có, chúng tôi bổ sung một biến phản ánh động thái thiên kiến ​​xác nhận của người dùng. Biến này được tính toán bằng cách so sánh lịch sử đăng bài của người dùng với phản hồi của họ đối với các bài đăng từ nhiều góc nhìn khác nhau. Mô hình cải tiến này kết hợp thiên kiến ​​xác nhận để xác định chính xác hơn các buồng vọng và cung cấp một chỉ báo về sức khỏe thông tin ở cấp độ cộng đồng. Chúng tôi kiểm chứng mô hình trên 19 cộng đồng Reddit, khẳng định hiệu suất phát hiện buồng vọng được cải thiện của nó. Tóm lại, nghiên cứu này cung cấp một khuôn khổ nắm bắt một cách có hệ thống vai trò của thiên kiến ​​xác nhận trong động lực nhóm trực tuyến, có thể góp phần xác định hiệu quả hơn các buồng vọng và hạn chế sự lan truyền thông tin sai lệch.

Takeaways, Limitations

Takeaways:
Chúng tôi cải thiện độ chính xác của các mô hình hiện có bằng cách đề xuất một mô hình buồng phản hồi có tính đến sai lệch xác nhận.
Nó cung cấp số liệu mới để xác định hiệu quả hơn các phòng phản hồi và đánh giá tình trạng thông tin của cộng đồng.
Nó có thể góp phần quản lý hiệu quả các phòng phản hồi, một trong những nguyên nhân chính gây ra sự lan truyền thông tin sai lệch.
Limitations:
Cần có thêm nghiên cứu để khái quát hóa những phát hiện từ cộng đồng Reddit sang các nền tảng hoặc loại cộng đồng trực tuyến khác.
Có thể cần phải xác nhận thêm phương pháp tính toán và độ chính xác của biến thiên xác nhận.
Cần có thêm nghiên cứu về tính ứng dụng thực tế và hiệu quả của mô hình.
👍