HCOMP 2026 荣誉提名:贝叶斯级联分析 AI 可信度指标传播效应
windx0303 · x · 2026-09-30
一篇获 HCOMP 2026(CrowdCompute 2026)荣誉提名(Honorable Mention)的论文:《One AI Signal, Many Human Judgments: A Bayesian Cascade Analysis of AI-based Credibility Indicators in Online Information Spread》。研究用贝叶斯级联模型分析 AI 生成的可信度指标如何在在线信息传播中影响多个人类判断,探讨单一 AI 信号在不同人群判断中的传导机制。
所属事件:论文获 HCOMP 2026 荣誉提名，揭示 AI 可信度指标的传播效应(2 条相关)→
「研究」频道最新
- NeurIPS 2026 论文：AVIC 让模型学会该何时想象、想象多少 — mohitban47 · 2026-09-30
- kalomaze 质疑进化算法路线：放弃反向传播应选 BPTT 不可行的场景 — kalomaze · 2026-09-30
- HG-DAgger 用错反而更差：退火阶段只用干净演示，成功率拉到 88% — DominiqueCAPaul · 2026-09-30
- Diffusion Reward Models:让奖励模型学习人类偏好分布而非单一分数 — burny_tech · 2026-09-30
- 64 人评 2330 组对决:后训练让 LLM 更好笑,但笑话多样性明显下降 — Gold-Bat-3225 · 2026-09-30
- 学者怒斥同行评审被 AI 代写:Pangram 检测出错误负面意见致论文被拒 — paulnovosad · 2026-09-30