LLM對娛樂新聞更懷疑？
arXiv - Computers and SocietyHuiqian Lai
LLM在娛樂新聞真偽評估中顯示出明顯的誤判偏差，且不同模型差異顯著。
AI 幫你先抓重點
AI 重點 1
LLM將娛樂新聞視為知識層級較低，導致系統性誤判。
滑鼠懸停看 AI 判斷理由
此偏差揭示自動真偽評估工具可能無意中削弱娛樂新聞的可信度，影響媒體素養與公眾對新聞多樣性的認知。
AI 重點 2
提示工程可針對特定模型調整誤判率。
滑鼠懸停看 AI 判斷理由
示範簡單提示即可顯著降低部分模型的假陽性，顯示模型行為可被微調，但需針對性設計，提示並非萬能。
核心研究發現
- 1
DeepSeek‑V3.2與GPT‑5.2在娛樂新聞上比硬新聞高出10.1%與8.8%的假陽性率，且差異顯著(p<.001)。
- 2
Claude Opus 4.6與Gemini 3 Flash則未顯示類別差異，假陽性率相近。
- 3
將提示改為「娛樂新聞事實核查員」可使DeepSeek‑V3.2假陽性率下降約50%，但對GPT‑5.2效果有限。
- 4
風格交換實驗改變有限，說明偏差非僅由語調決定。
對教育工作者的啟發
課程設計者可將此研究納入媒體素養教學，示範AI評估工具對不同新聞類型的偏差，並教導學生使用提示工程調整模型判斷，提升批判性思考與媒體識讀能力。
原始文獻資訊
- 英文標題：
- Are LLMs More Skeptical of Entertainment News?
- 作者：
- Huiqian Lai
- 來源：
- arXiv - Computers and Society
- AI 摘要模型：
- openai/gpt-oss-20b
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。