论文用MLLM多层表示解耦一致性与冲突来检测多模态假新闻。
资讯摘要
论文针对多模态假新闻检测中现有方法对一致性与冲突处理粗糙、静态的问题，提出Multi-Level Consistency and Conflict Decoupling（MLCCD）。该方法利用多模态大模型最终决策表示筛选任务相关视觉与文本token，保留相邻层间表示变化剧烈的token以捕捉各层新增知识，再将知识解耦为一致性与冲突证据并分别用路由器跨层聚合。作者报告在三个基准上优于现有方法。
要点速读
- 论文提出MLCCD，从多模态大模型不同层捕捉不同层级的冲突。
- 先用最终决策表示筛选任务相关token，避免无关内容稀释稀疏冲突。
- 保留相邻层表示变化剧烈的token，并解耦为一致性与冲突证据、分别跨层聚合；三个基准实验显示优于现有方法。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/29 08:00:21（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。