本文研究了机器翻译中的性别偏见，特别是Google翻译等系统在性别翻译方面的偏见。研究发现，翻译模型倾向于使用男性默认性别，尤其在STEM领域。提出了评估和缓解性别偏见的方法，强调跨学科的语言分析以促进更公平的翻译。

本文探讨了假新闻检测的最新研究进展，提出了一种基于双通道核心图网络的模型，能够有效评估文字主张的可信度，并提供可解释的结果。研究强调了结合事实核查与语言分析的重要性，以应对社交媒体上假新闻的增长和新闻篡改问题。