arXiv cs.AI· Yifan Wang, Junyu Lu, Shun Zhang, Chaozhuo Li, Fanliang Bu, Rong Yin, Lingbin Bu, Changrong Min, Peng Chen·· 11 小时前AI 评分31
MechScam 基准与 ScamCourt 辩论框架：面向网络诈骗视频检测的机制级评测与可验证辩论
Beyond Risk Cues: A Mechanism-Level Benchmark and Verifiable Debate for Scam Video Detection on the Web
AI 导读
研究者提出 MechScam 基准，包含 6,614 个视频，覆盖多种诈骗机制与非诈骗类别，并提供视频证据支撑的解释、潜在诈骗元素及上下文标注，以及由真实证据构造的误导性论证。
正文 · AI 翻译
摘要：网络诈骗视频对个人和社会构成重大威胁。现有研究主要集中于二分类，对诈骗的运作方式及检测决策依据的洞察有限。此外，这些研究往往忽视了将诈骗视频与表面相似的非诈骗内容（如广告）区分开来的挑战，以及检测模型对误导性论据的鲁棒性。这些局限阻碍了可靠的诈骗视频检测。为解决这些局限，我们推出了 MechScam，一个包含 6,614 个视频的基准，涵盖多样化的诈骗机制和非诈骗类别。MechScam 提供由视频证据支持的说明、对潜在诈骗要素及其上下文的标注，以及基于真实证据构建的误导性论据。鉴于真实证据仍可能被用来支持误导性结论，我们进一步提出了 ScamCourt，一个辩论框架，其中经过训练的控方和辩方辩手提出对立论据，而经过训练的法官基于带有经核实引用的记录做出裁决。大量实验表明，最先进的 MLLM 难以将诈骗视频与相似的非诈骗内容区分开来。ScamCourt 优于更大的 MLLM 和相同骨干的微调基线，减少了误报，并显示出对误导性论据更强的抵抗力。MechScam 和 ScamCourt 共同有助于实现更可靠、更可解释的诈骗视频检测。数据集和代码可在 此 https URL 获取。
| 学科： | 人工智能（cs.AI） |
| 引用为： | arXiv:2611.06110 [cs.AI] |
| （或 arXiv:2611.06110v1 [cs.AI] 为此版本） | |
| https://doi.org/10.48550/arXiv.2611.06110 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Yifan Wang [查看邮箱]
[v1]
2026年11月4日星期三 07:52:43 UTC（4,141 KB）
来源：arXiv cs.AI · arxiv.org