Francisco Zanartu

本研究提出“生成式辟谣”框架，将气候变化反智主张分类（CARDS）与谬误检测（FLICC）整合进大语言模型的提示流程，使模型接收一条气候迷思后输出符合“事实—迷思—谬误—事实”（真相三明治）结构的辟谣文本；作者用三种复杂度递增的提示策略分别搭配GPT-4、Palm2与Mixtral，并由四位作者（含一位气候虚假信息专家）对20条迷思生成的60份辟谣按事实、谬误、结构分项评分，结果显示GPT-4配简单提示与Mixtral配结构化提示表现较好，谬误解释得分普遍高于事实部分，且非专家标注者与专家之间在事实质量上一致性较差。

本研究提出“生成式辟谣”框架，将气候变化反智主张分类（CARDS）与谬误检测（FLICC）整合进大语言模型的提示流程，使模型接收一条气候迷思后输出符合“事实—迷思—谬误—事实”（真相三明治）结构的辟谣文本；作者用三种复杂度递增的提示策略分别搭配GPT-4、Palm2与Mixtral，并由四位作者（含一位气候虚假信息专家）对20条迷思生成的60份辟谣按事实、谬误、结构分项评分，结果显示GPT-4配简单提示与Mixtral配结构化提示表现较好，谬误解释得分普遍高于事实部分，且非专家标注者与专家之间在事实质量上一致性较差。