arXiv cs.CY· Bo Shao, Yihan Ma, Yiting Qu, Michael Backes, Yang Zhang·· 3 天前AI 评分27
MemeTrace：基于多模态 LLM 智能体的表情包溯源与安全分析
MemeTrace: A Multimodal LLM-Based Agent for Safety-Aware Meme Provenance Analysis
AI 导读
MemeTrace 是一个基于多模态 LLM 的智能体，可自动追溯新兴表情包的来源与潜在风险，并在 Meme100（100 个真实表情包数据集）上通过人工标注与自动指标评估，表现大幅优于 VLM 基线。它在检测不安全表情包（尤其是涉及虚假信息与敏感内容）上准确率更高，且在视觉扰动下保持稳健。
正文 · AI 翻译
摘要：网络模因往往是不实信息和宣传等不安全内容的载体。它们随新闻事件快速演变，且高度依赖上下文信息，这使得平台和审核人员难以对其进行有效检测和审核。此外，现有的审核研究通常基于单张图像将模因分类为安全或不安全，缺乏进行更广泛溯源分析的能力，即模因源自何处、如何传播、代表何种文化象征、是否对社会构成潜在风险等。为弥补这一空白，我们提出 MemeTrace，一种基于多模态 LLM 的智能体，可自动追溯新兴模因的出处和潜在风险。我们在 Meme100（一个包含 100 个真实世界模因的数据集）上，通过人工标注和自动指标对 MemeTrace 进行评估。结果表明，MemeTrace 大幅优于 VLM 基线。更重要的是，MemeTrace 在检测不安全模因方面准确率更高，尤其是涉及不实信息和敏感内容的模因，并且在视觉扰动下仍保持稳健。
| 评论： | 已被 EMNLP 2026 Findings 接收 |
| 主题： | 人工智能（cs.AI）；计算与语言（cs.CL）；计算机与社会（cs.CY） |
| 引用为： | arXiv:2610.19267 [cs.AI] |
| （或 arXiv:2610.19267v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.19267 arXiv 颁发的 DOI，经由 DataCite（待注册） |
提交历史
来自：Bo Shao [查看邮箱]
[v1]
2026年10月13日星期二 22:38:06 UTC（8,678 KB）
来源：arXiv cs.CY · arxiv.org