AI可解释性、信任与校准依赖 / 虚假信息、内容标注与真实性信任

AI可信度指标在受同伴和专家影响的情况下,能否帮助检测虚假信息并减少其传播?

同类问题

相关论文

IUI 2025

会话式解释:与非AI专家讨论可解释AI

Tong Zhang, Mengao Zhang, Wei Yan Low

4 条
IUI 2025

「你总会得到一个答案」:分析用户在面对无法回答的问题和幻觉风险时与AI生成人格的交互

Ilkka Kaate, Joni Salminen, Soon-Gyo Jung

4 条
CHI 2025

行为改变干预对抗在线错误信息:一项范围审查

Loukas Konstantinou, Evangelos Karapanos

4 条
CHI 2025

扩散模型生成图像的 photorealism 和 artifacts 特征

Negar Kamali, Karyn Nakamura, Aakriti Kumar

4 条
CHI 2025

大型语言模型的欺骗性解释比诚实的解释更经常地导致人们改变他们对虚假信息的信念

Valdemar Danry, Pat Pataranutaporn, Matthew Groh

4 条
CHI 2025

理解当人们受到同龄人和专家影响时基于AI的可信度指标的影响

Zhuoran Lu, Patrick Li, Weilong Wang

5 条
CHI 2025

合成内容的标签设计:用户对社交媒体上AI生成内容标签设计的看法

Dilrukshi Gamage, Dilki Sewwandi, Min Zhang

4 条
CHI 2024

RELIC:使用自我一致性调查大型语言模型的响应

Furui Cheng, Vilém Zouhar, Simran Arora

4 条
CHI 2024

感知的人工智能使用对内容认知的影响

Irene Rae

4 条
CHI 2024

分析师如何理解和验证AI辅助的数据分析?

Ken Gu, Ruoxi Shang, Tim Althoff

4 条
CHI 2022

当我的宠物失去时,人工智能会安慰我吗?理解人工智能中介电子邮件写作的感知

Yihe Liu, Anushk Mittal, Diyi Yang

4 条
CHI 2022

去偏CAM以减轻图像扰动并提供机器学习的忠实可视化解释

Wencan Zhang, Mariella Dimiccoli, Brian Y Lim

4 条