这项研究提出了一种对文化和语言多样性（CALD）友好的基于AI的健康虚假信息检测器，专门解决低资源语言（如孟加拉语）缺乏有效工具的问题。作者评估了Small Language Models (SLM)，以克服该语境下Large Language Models的局限性。
- 实验使用翻译为孟加拉语的虚假健康信息数据集进行，以评估各种SLM。
- Phi-4成为表现更优的模型，在主张提取方面实现了精确率和召回率的理想平衡。
- 设计了一个基于Responsible NLP的新型检测框架，融合了文化敏感性、潜在危害和沟通质量。
该研究为医疗专业人员提供了一个仪表盘来分析虚假信息，为低资源语言语境下的评估提供了整体视角。