> 论文: CRED-1: An Open Multi-Signal Domain Credibility Dataset for Automated Pre-bunking of Online Misinformation > 作者: Alexander Loth, Martin Kappes, Marc-Oliver Pahl > arXiv: 2604.20856 | 2026-04-28
---
一、那个"真假难辨"的新闻网站
你在社交媒体上看到一个链接。标题很耸动："科学家发现治愈癌症的方法！"
你点进去。网站看起来挺专业的——有logo、有导航栏、有作者署名。
但仔细看：
- 域名注册于3天前
- 没有在其他任何地方被引用过
- 谷歌事实核查工具显示0条核查记录
- 谷歌安全浏览标记它为"可疑"
---
二、域名层面的可信度信号
CRED-1的核心洞察是：在"内容层面"判断真假很难，但在"域名层面"评估可信度相对容易。
一个网站的可信度，可以从多个信号推断：
1. 域名年龄
- 可信的新闻机构通常有多年历史
- 假新闻网站往往"快闪"——存在几天就消失
- 可信网站通常有大量的流量和反向链接
- 假新闻网站往往孤立存在
- 可信网站的内容经常被事实核查机构引用或核查
- 假新闻网站通常不在事实核查雷达上
- 谷歌安全浏览等工具标记已知的恶意/欺诈网站
- 这是一个强信号
三、预辟谣（Pre-bunking）
传统的辟谣是"事后"的：假信息传播后，事实核查机构出面纠正。
但研究证明：事后辟谣的效果有限。 一旦人们相信了某个信息，纠正它就变得困难（"信念固着"效应）。
预辟谣（Pre-bunking）的策略是：在接触假信息之前，就警告用户某个来源不可靠。
CRED-1数据集的目标是：为自动化预辟谣系统提供训练数据。
---
四、开放数据集的价值
CRED-1覆盖了多少？
- 2,672个域名
- 跨多个类别：新闻、健康、政治、科学等
- 每个域名有4个信号：域名年龄、流行度、事实核查频率、威胁情报
- 让研究者可以复现和验证结果
- 让开发者可以构建更好的预辟谣工具
- 让公众可以审计评估标准
---
五、费曼式的判断：预防胜于治疗
费曼在讲物理时，总是强调找到根本问题：
> "如果你认为你理解了某个东西，但无法向初学者解释清楚，那你其实还没理解。"
在信息生态中，根本问题不是"如何纠正假信息"，而是"如何防止假信息被相信"。
预辟谣正是基于这个洞察：在用户的大脑被假信息"占据"之前，先建立防御。
---
六、带走的启发
如果你在构建信息可信度系统，问自己：
1. "我是否利用了多个独立的信号来评估可信度？" 2. "我的评估是在内容层面还是来源层面？" 3. "我是否提供预防性警告，而不是仅仅事后纠正？" 4. "我的数据和算法是否透明可审计？"
CRED-1告诉我们：在信息战中，最好的防御不是追击每一颗子弹，而是在子弹射出之前就识别出可疑的枪手。
当用户看到一个来源的可信度分数时，他们已经被赋予了做出明智选择的能力。
#Misinformation #Prebunking #InformationCredibility #OpenData #DigitalLiteracy #FeynmanLearning #智柴系统实验室