机器学习中的信任和安全挑战：一项关于虚假信息检测的案例研究

机器学习在信任与安全问题中的应用存在研究和实践之间的脱节。通过对误信息检测的案例研究，发现文献中存在不足之处，对性能和实用性提出质疑。检测任务与在线服务面临的挑战有区别，数据集和模型评估不代表现实世界环境，数据和代码可用性差，模型泛化效果不佳。提出了评估解决信任与安全问题的机器学习应用的建议。