Research · Policy and Safety
MMMMM：用于研究多语言多模态错误信息机制的统一分类法
研究者从Twitter/X收集了七种语言的大规模真实世界错误信息数据集，并开发了多模态错误信息综合分类法。分析显示AI生成内容在科技领域特别普遍，而疫苗错误信息常利用新闻媒体图片增加可信度。
阅读 Hugging Face Daily Papers 原文为什么重要
该研究为理解和应对多语言多模态错误信息提供了系统框架，有助于开发更有效的检测工具，对维护信息生态健康具有重要意义。
关键事实
事实 1
研究者从Twitter/X收集了七种语言的大规模高质量真实世界错误信息数据集。
来源与依据
we collect a large-scale, high-quality dataset of real-world misinformation instances from Twitter/X in seven languages
事实 2
研究者开发了一种基于数据深入定性分析和先前理论工作的新型多模态错误信息综合分类法。
来源与依据
we develop a novel, comprehensive taxonomy of multimodal misinformation grounded in an in-depth qualitative analysis of the data and prior theoretical work
事实 3
AI生成内容在科技领域特别普遍，而疫苗错误信息不成比例地利用新闻媒体的图片来增加可信度。
来源与依据
AI-generated content is particularly prevalent in technology and science, while vaccination misinformation disproportionately utilises images from news outlets to assert credibility