关于 NewsWatch
我们每天三次阅读美国竞选报道,将每则新闻与报道它的各家媒体相互对照,并公布我们的发现——包括我们的把握程度,以及我们可能出错的地方。
这是什么
NewsWatch 每八小时从 36 个来源收集选举报道。每则新闻会与报道同一事件的其他媒体归为一组,经过评估后归入三类之一:属实的报道、捏造或机器生成的内容,或两者兼有。首页的百分比只是我们当天所读内容的构成。
每一项判定都连同其依据一并公布——各项信号评分、所审查的主张、置信度,以及需要注意的局限。您可以就其中任何具体之处提出异议。这正是重点所在:无法查验的判断只是一种断言。
为什么要做这个网站
合成的、信源薄弱的政治内容制作成本低廉,仅凭一眼也越来越难与真正的报道区分开来。多数人是在信息流中遇到它的——与其他一切混杂在一起,没有任何关于其来源的提示。
NewsWatch 并不试图充当这件事的仲裁者。它做的是一件范围更窄、也更站得住脚的事:向您展示一则新闻获得了多广泛的佐证、其信源有多具体,以及对其主张的评估得出了什么——结论留给您自己判断。
由谁运营
NewsWatch 是一个独立的自动化项目。它不接受任何竞选团队、政党、政治行动委员会或倡议团体的资助,也不为任何候选人背书。它不是新闻编辑部,不做原创报道——它阅读他人的报道。
这套流程的中立性来自其构造,而不只是出于意愿。选题若过度偏向某一政党会被扣分;写作规范禁止使用党派性词汇和臆测动机;每天的产出在交由人工查看之前,还会经过一道独立的复核,检查是否存在不对称。下文会说明这些检查。
判定是如何得出的
简而言之:收集、归类、评估、发布——每一步都会说明其局限。详情如下。
处理流程
1. 收集。36 个信息源,每八小时一次。其中多数是媒体自有的订阅源,涵盖通讯社、传统新闻机构,以及立场鲜明的两派媒体。其余是关键词检索,刻意越过已知媒体名单,伸向长尾部分——合成的、缺乏信源的竞选内容实际上就存在那里。如果只收录声誉良好的信息源,“虚假”一类就会因构造而永远为空,整个网站也就成了同义反复。
2. 相关性。凡是符合美国竞选相关词汇的文章都会保留。这个筛选刻意放宽:过于精确的筛选会悄悄滤掉那些古怪、低质量的竞选内容,而那正是本站要找的东西。
3. 归类。新闻按标题相似度跨媒体归为一组。本站最倚重的两个数字由此得出:有多少个彼此独立的域名刊载了这则新闻,以及它的传播范围有多广。
4. 抽取。抓取文章正文并提取为纯文本。当无法取得全文时,改用订阅源的摘要,并在文章页面注明——基于两句 RSS 摘要得出的判定,不应当看起来和基于全文得出的判定一样,因此这种情况下置信度会被压低。
5. 信号。六项公开的评分,每篇文章页面都会全部列出。任何一项单独都不构成判定。
6. 评估。claude-opus-5-5 会结合各项信号和佐证情况阅读文章,给出标签、置信度、摘要、所审查的主张及其保留意见。我们明确告知模型:它的训练数据早于这些事件;认不出某件事并不等于该事为假;在不确定时应当选择混合而非虚假。
7. 简报。依据已存储的判定撰写的简短汇报。
三个标签的含义
| 真实且事实准确 | 核心陈述经核查属实,消息来源可以辨识,文本中没有任何捏造迹象。 |
| 部分准确、部分失真 | 真实事件但报道严重失真:框架具有误导性、缺少背景,或在真实内核外添加了虚构细节。 |
| AI 生成、虚假或捏造 | 核心陈述属捏造或存在实质性错误,或该文为生成的填充内容,背后并无采访报道。 |
一篇文章不会因为带有观点、写得不好,或者对某人不利而被判为“虚假”。评论、分析和立场鲜明的党派评论,只要其事实前提成立,就会被评为属实。
各项信号
信源可信度是按域名给出的声誉先验,分为五级。它是起点而非结论:一级通讯社也可能发出失真的内容,而一个不知名的域名也可能刊载准确的本地报道。当某项判定主要依赖声誉而非文本本身时,评估结果会予以说明。
佐证统计刊载同一则新闻的独立域名数量,采用递减饱和的标度:从一家增加到三家意义重大,从九家增加到十一家则不然。若刊载的媒体全部属于低等级,该分数会被打折,因为内容农场彼此抄袭,那并不算独立。要注意其中的不对称:有佐证是某事确实发生过的有力证据,但缺少佐证几乎说明不了什么。很多新闻本就是地方性的、刚发生的,或者范围很窄。
具体程度衡量文中指名道姓的人物、直接引语、具名表态、数字和日期的密度。这是这组启发式指标中分量最重的一项,因为捏造的竞选文案在“谁在何时说了什么”上绝大多数都含糊其辞。
AI 文本特征综合了句长变化、词汇多样性,以及常见于未经编辑的模型输出的措辞密度。请带着怀疑看待这一项。它是一个弱先验,可以为已有其他依据(信源缺失或主张不实)的判定提供佐证,但绝不能单独支撑一项判定。
情绪负载标记标题党、煩动愤怒的措辞和模棱两可的句式。署名记录是否标明了具体的人类作者。
已知的局限
人们真正担心的那类内容,我们大多看不到。这是最大的一项局限,也解释了为什么“属实”的比例偏高。我们的语料是通过公开 RSS 订阅源发布、并被新闻搜索收录的新闻——而这几乎就等于说,是那些以出版机构方式运作的组织所做的内容。捏造的、合成的政治内容绝大多数流通在别处:社交平台、付费广告网络、即时通讯应用,以及既不提供订阅源也不被收录的网站。这里较高的“属实”百分比,说的是已发布新闻源的情况。它并不是在说您实际会接触到什么,也不应被当作一种安慰。
覆盖范围有限。只有出现在这些订阅源中的内容才会被评估,而且每次更新都有处理量上限。这些百分比描述的是这份语料,而不是整个信息环境。
信源等级滞后于现实。声誉评分起自一份人工维护的名单,并通过结构性规则扩展到政府、高校和公共媒体域名。美国本地新闻有一条很长的长尾,因此一家正规的新闻机构在有人注意到之前,仍可能被评为未知域名。出现这种情况时,文章页面会注明该等级是推断出来的,而非经过核实。
选样并不中立。分类预算偏向传播范围广的新闻和不知名的域名。这是有意为之——这样能找到更多本站想要找的东西——但这也意味着“虚假”的比例并不是对捏造内容实际数量的无偏估计。
归类只是近似。按标题相似度归类偶尔会把两则不同的新闻并在一起,或者把一则拆成两则,这会影响佐证数和排序。
付费墙和访问限制会降低判定质量。当某个网站拒绝抓取时,评估只能退回到订阅源摘要,并降低置信度。这对订阅制媒体的影响系统性地大于免费媒体。
判定不会重新审视。每篇文章只在首次出现时评估一次。之后发布的更正不会改变它的标签。只有它的传播度和佐证数会持续更新。
模型可能出错,而且会很自信地出错。置信度通过指令加以校准,并受可得证据质量的限制,但它终究是模型对自身的估计。
如果您认为某项判定有误
很有可能确实如此。请打开文章页面:上面列出了所有信号评分、模型审查过的主张、它所掌握的证据,以及它对自身局限的说明。这些信息是刻意提供的,足以让您看清系统为什么得出那个结论——因而也足以让您就具体之处提出异议,而不只是笼统地反对。