arXiv cs.AI· Thomas H. Costello, Nathaniel Rabb, Michael Nicholas Stagnaro, Gordon Pennycook, David Rand·· 11 小时前AI 评分58
研究：用大语言模型多轮对话降低正在发酵的阴谋论信念
Reducing belief in conspiracy theories as they unfold using large language models
AI 导读
研究者在 2024 年 7 月特朗普遇刺未遂和 2025 年 9 月 Charlie Kirk 遇刺后数日内开展两项实验（N=472、N=1042），让持阴谋论观点的美国成年人与大语言模型进行多轮对话，结果显示其阴谋论信念相比对照组显著下降。对照组分别与 LLM 讨论无关话题或阅读静态事实清单；在一到两个月后的部分分析中，也观察到部分阴谋论信念下降的提示性证据。
正文 · AI 翻译
摘要：重大事件发生后阴谋论的涌现是一项重大的社会挑战。本文检验与大语言模型（LLM）进行对话式交流能否降低人们对正在发生的阴谋事件的相信程度。在2024年7月唐纳德·特朗普遇刺未遂事件及2025年9月查理·柯克遇刺事件发生后的数日内开展的实验中，持有关于该危机事件的阴谋论观点的美国成年人（实验1：N = 472；实验2：N = 1042）与一个被提示要降低其阴谋论信念的LLM进行了多轮对话。与对照组（与LLM讨论无关话题或查看静态事实清单）相比，LLM处理组参与者在两项实验中均表现出阴谋论信念显著降低。我们还发现了一些提示性证据，表明LLM处理具有下游效应：在一至两个月后对若干不同阴谋论信念的部分（但非全部）分析中观察到信念降低。这些结果揭示了新兴阴谋论的心理机制，并凸显了可扩展的、以认知为重点的干预措施在备受关注的社会事件发生后即时应对错误信息的潜力。
| 学科： | 人机交互（cs.HC）；人工智能（cs.AI） |
| 引用为： | arXiv:2608.06151 [cs.HC] |
| （或 arXiv:2608.06151v2 [cs.HC] 为本版本） | |
| https://doi.org/10.48550/arXiv.2608.06151 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Thomas Costello [查看邮箱]
[v1]
2026年8月6日 星期四 15:18:50 UTC（3,171 KB）
[v2]
2026年10月19日 星期一 19:25:08 UTC（3,256 KB）
来源：arXiv cs.AI · arxiv.org