社交媒体上的偏见和宣传问题日益严重。本文介绍了一个包含12,000条Facebook帖子的大型多语种语料库，旨在检测和分析宣传文本。研究使用微调的变压器模型和其他技术，取得了良好成绩。

本文探讨了自然语言推理（NLI）在文本生成中的应用，研究表明NLI模型能提高生成文本的质量，尤其是中立类文本。同时，提出了新的数据集和方法以降低数据偏差，并在多语言评估中取得良好效果，推动个性化医疗领域的研究。

本文研究了新闻媒体报道的真实性和偏见，提出了多种模型和系统（如RELIANCE和MediaRank）用于自动检测假新闻和评估新闻质量。研究表明，结合不同模型和特征可以显著提高识别可信信息来源的准确性。

超过50%的传统媒体拒绝OpenAI的数据爬取，97%的屏蔽了谷歌人工智能的爬虫。新闻媒体担心被取代，人工智能模型在训练时容易生成错误信息。

通过数据分析发现，最先进的LLMs在预测影响时存在潜在偏见。调整较小的LLMs与新闻媒体反映的多样化影响相结合，能更好地反映这些影响。

horse： 新闻业一直认为自己是在 “捍卫民主”，在新闻理论和实践里，很多讨论都是如何报道、如何提供信息等，认为真实、讨论这些东西是民主的基石，不同阶层、社群都应该发声。可惜的是，同样的讨论和研究、探索和实践，现在应该在 “算法业” 进行。其实，民主的捍卫已经要交给 “算法”...