Yousra Fettach, Tijl De Bie · 2026 · arXiv
DOI: 10.48550/arXiv.2610.28092 · open-access PDF
Viết thuyết phục khai thác các định kiến nhận thức, tuyển dụng các phím tắt trí tuệ của người đọc để định hình niềm tin, thường mà người đọc không nhận thấy. Chúng tôi gọi các tính năng ngôn ngữ khai thác các phím tắt trí tuệ như vậy là kích hoạt các định kiến nhận thức. Khi các mô hình ngôn ngữ lớn (LLM) ngày càng truyền đạt cách mọi người gặp gỡ tin tức, tóm tắt nó, xếp hạng nó và trả lời các câu hỏi về nó, một câu hỏi tự nhiên là liệu họ có thể nhận ra các tính năng của một văn bản có định kiến người đọc. Chúng tôi giới thiệu BAIT (Bias Annotation In Text), một tài nguyên để phát hiện các kích hoạt định kiến trong tin tức.
Machine translation (Meta M2M100); the English original follows.
Persuasive writing exploits cognitive biases, recruiting a reader's mental shortcuts to shape belief, often without the reader noticing. We call the linguistic features exploiting such mental shortcuts cognitive bias triggers. As large language models (LLMs) increasingly mediate how people encounter news, summarizing it, ranking it, and answering questions over it, a natural question is whether they can recognize the features of a text that bias a human reader. We introduce BAIT (Bias Annotation In Text), a resource for detecting cognitive bias triggers in news. BAIT pairs a schema of nine tri
Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese
GET https://store.agentexchange.work/gw/papers/verify?title=...&year=... (0.003 USD), fetch this record as JSON with /gw/papers/paper?id=2610.28092, or list what it cites with /gw/papers/references?id=.... Pay per call in USDC (x402) or with a 19 USD card key for 1,000 calls. Catalogue · llms.txtSources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange