arXiv cs.CL· Kai Qian, Dongjie Xu, Weijie Shi, Jiaqi Wang, Haolun Ma, Jia Zhu, Jiajie Xu·· 13 小时前AI 评分20
MLCCD：跨 MLLM 层解耦一致性与冲突，用于多模态假新闻检测
Decoupling Consistency and Conflict across MLLM Layers for Fake News Detection
AI 导读
研究者提出 Multi-Level Consistency and Conflict Decoupling（MLCCD），从多模态大模型不同层捕捉不同层级的冲突，用于多模态假新闻检测。
正文 · AI 翻译
摘要：网络内容的可信度正日益受到多模态假新闻的威胁。真实新闻通常表现出图文语义一致，而假新闻往往包含若干不同程度的冲突，例如物体、场景、事件和主张上的不匹配。然而，现有方法通常以粗粒度和静态的方式处理一致性与冲突，限制了其捕捉稀疏冲突以及适应不同冲突程度的能力。受大语言模型不同层所编码的独特知识启发，我们提出了多层级一致性与冲突解耦（MLCCD），它从多模态大语言模型（MLLM）的不同层中捕捉不同层级的冲突。具体而言，我们首先利用 MLLM 的最终决策表示来选择与任务相关的视觉和文本 token，防止无关内容稀释稀疏冲突。然后，我们保留在相邻层之间表示变化剧烈的 token，以捕捉每一层所添加的知识。最后，我们将这些知识解耦为一致性证据和冲突证据，并用各自的路由器在层间分别聚合，以适应不同的冲突程度。在三个基准上的实验表明，MLCCD 优于现有方法。
| 评论： | 12 页 |
| 主题： | 计算机视觉与模式识别（cs.CV）；计算与语言（cs.CL） |
| 引用为： | arXiv:2610.36569 [cs.CV] |
| （或 arXiv:2610.36569v1 [cs.CV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.36569 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Kai Qian [查看邮箱]
[v1]
2026年10月27日星期二 03:18:47 UTC（411 KB）
来源：arXiv cs.CL · arxiv.org