理论引导的欺骗检测：一项基于RAG的人工智能探索

本工作基于主流欺骗理论开发了七个检索增强生成（RAG）模型，并与基线模型比较其欺骗判断方式的差异。在来自五个已发表欺骗数据集的700条语句、四个大语言模型（gpt-4o、claude-sonnet-4-6、ollama/llama3、deepseek-v4-flash）和两种运行类型（RAG与基线）上，共做出39,200次欺骗判断。检测准确率与人类典型水平相当，RAG模型（54.5%）与基线模型（54.6%）之间无统计学差异。RAG模型（57.0%）的真话偏置低于基线模型（59.7%），但效应量相当小。理论视角对准确率影响甚微，却对反应偏置影响显著——偏置范围从高度偏向谎言（可验证性方法，32.2%）到高度偏向真话（真值默认理论，88.1%）。内容效应与模型效应进一步调节了上述结果。在当前参数设置下，理论引导的AI判断并不可靠，但借助更多数据集、更多模型测试以及理论与数据的匹配，它或有前景。