エイアールカイヴ シーエス ドット シーエル (arXiv cs.CL) は2026年9月24日(現地時間)、オンライン上で拡散する陰謀論的言説の意図を検出する新たなエージェントベースのフレームワークを提案したと発表した。この研究は、明示的な主張や固定的な語彙マーカーのみに依存する既存の手法とは異なり、関連する社会的コンテキストを活用することで、話者の隠された意図をより正確に推測するアプローチを導入するもので、新たな検出基準を示す可能性を秘めている。
エイアールカイヴ シーエス ドット シーエル (arXiv cs.CL) が発表した論文によると、提案されたエージェントベースのフレームワークは、関連する社会的コンテキストを効果的に利用し、ソーシャルクエリをサポートする複数のツール群を備えている。研究を主導したリオル・ビトン (Lior Biton) 氏とオレン・ツル (Oren Tsur) 氏は、この革新的なアプローチの有効性を、ヘブライ語ツイートの独自の包括的データセットを用いて実証した。
このデータセットは、2018年後半から2023年初頭までの約4年間で公開されたヘブライ語ツイートの80%から90%を網羅している。この期間には、複数の選挙サイクル、世界的なCOVID-19パンデミックの期間、そしてそれに関連するワクチン接種キャンペーンに関する広範な言説が含まれる。研究チームは、この大規模で多様なデータセットを、多岐にわたる社会的コンテキストを効果的に回復・分析するために活用した。
フレームワークの評価は、手動でアノテーションされた敵対的データセットを用いて実施された。その結果、コンテキストを認識するワークフローが、テキスト情報のみに基づく従来の分類手法を一貫して上回る性能を示すことが明らかになった。さらに、エージェントベースのこのフレームワークは、エージェントに利用可能なものと同じコンテキストにさらされた非エージェントモデルを含む、他の既存のフレームワークや設定と比較しても、統計的に有意な性能向上を達成したと報告されている。研究では、これらの結果に加え、検出結果、エラー発生率、および効率性（特にトークンエコノミー）に関する詳細なトレードオフ分析も提供している。
これらの発見は、陰謀論検出というタスクを、単なるキーワードマッチングや構文解析ではなく、「社会的に埋め込まれた解釈タスク」として捉える視点を強力に支持するものである。効果的な分類は、単にコンテキストへのアクセスがあるだけでなく、エージェントがケースバイケースで適切なツールを選択し、その時々の推論ステップに最も関連性の高い証拠のみを要求するという、適応的な推論能力に依存すると結論付けられている。
参考: arXiv cs.CL (アーカイブ) — 2026年9月25日 02:58 (JST)