arXiv cs.CL· Leran Chen, Lingnan Kong, Zile Cai·· 9 天前AI 评分22
MiniVer-V：为短视频核查识别最小充分证据
MiniVer-V: Identifying Minimal Sufficient Evidence for Short Video Verification
AI 导读
研究者提出 MiniVer-V 短视频事实核查基准，包含 195 条短视频、三分类判定标注（supported、refuted、insufficient）和 5,510 个多模态证据单元，覆盖视觉关键帧、语音转写和网络检索外部来源。
正文 · AI 翻译
摘要：短视频事实核查的一个核心挑战在于识别哪些证据足以支持验证结论。现有方法要么将所有可用证据交给验证器，引入噪声，要么按主题相关性选择证据，将相关性与充分性混为一谈。我们将证据充分性确定为选择标准：即证据的某个子集是否足以在无冗余的情况下支持一个可信的裁决。我们提出了 MiniVer-V，一个包含 195 个短视频的基准，带有三向裁决标注（支持、反驳、证据不足）以及 5,510 个多模态证据单元，涵盖视觉关键帧、语音转录文本和网络检索的外部来源。我们提出了一个两层验证框架，将从内部证据评估的声明-视频一致性，与额外需要外部佐证的事实裁决判定区分开来。在此之上，一种充分性驱动的贪心搜索会不断汇集证据，直到满足充分性阈值，并在候选池耗尽时输出“证据不足”，而不是强行给出裁决。使用 Claude Sonnet 4，该方法平均使用 4.5 个证据单元（占完整证据集的 16%）达到 0.510 的 Macro-F1，与完整证据基线（27.7 个单元时为 0.518）在统计上无法区分，同时相比同样搜索但不弃权的方法显著提升了对证据不足案例的识别。该效率结果在 GPT-5.5 上得到复现，在开放权重 Qwen2.5-72B 验证器上仅部分成立。消融实验表明，外部证据对于事实判定不可或缺，而内部视频证据则将裁决建立在声明-视频一致性之上。这些发现表明，证据高效的验证是可以实现的，并且当证据确实不充分时，需要显式弃权。
| 评论： | 33 页，2 幅图，20 张表 |
| 主题： | 计算机视觉与模式识别（cs.CV）；计算与语言（cs.CL）；多媒体（cs.MM） |
| ACM 分类： | I.2.7；H.3.3 |
| 引用为： | arXiv:2610.11233 [cs.CV] |
| （或此版本的 arXiv:2610.11233v1 [cs.CV]） | |
| https://doi.org/10.48550/arXiv.2610.11233 arXiv 通过 DataCite 颁发的 DOI（待注册） |
提交历史
来自：Leran Chen [查看邮箱]
[v1]
2026 年 10 月 8 日星期四 04:33:14 UTC（306 KB）
来源：arXiv cs.CL · arxiv.org