HMDR：面向缺失模态假新闻检测的模态头解耦与调控

论文提出HMDR，按模态可用性解耦并调控注意力头以检测假新闻。

资讯摘要

论文针对多模态新闻在传播中丢失图像或文本的情况，指出原有方法把缺失视为信息损失、默认真实性标签不变，但对复用真实素材的假新闻并不成立。作者提出 Head-wise Modality Decoupling and Regulation（HMDR），通过按注意力偏好软分组解耦模态表示、补偿不平衡模态注意力以调控头贡献，并用模态不变性学习对齐表示。作者报告在两个基准上提升了缺失模态下的检测表现，同时保持完整输入下的性能。

要点速读

1. 论文指出缺失模态下原有真实性标签未必仍成立，检测器需按模态可用性调整各模态线索贡献。
2. HMDR 包含模态头解耦、模态头调控与模态不变性学习三部分，面向多模态大语言模型。
3. 作者报告在两个基准上缺失模态检测提升，完整输入性能保持。

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。