研究者提出HMDR方法应对缺失模态假新闻检测
热点事件持续更新
研究者提出HMDR方法应对缺失模态假新闻检测
1 篇报道1 个报道来源12 小时前更新
先了解这件事
AI 综述
Kai Qian等作者提出面向多模态大语言模型的模态头解耦与调控方法HMDR，用于多模态新闻在传播中丢失图像或文本、原有真实性标签不再可靠时的假新闻检测。 该方法按注意力偏好软分组解耦模态表示，补偿不平衡的模态注意力以调控各头贡献，并用模态不变性学习对齐单模态表示。作者称，在两个基准实验中，HMDR在缺失模态下提升检测性能，同时在完整输入上保持原有表现。
AI 根据报道生成 · 2 小时前更新
最新进展10月28日 12:00
HMDR：面向缺失模态假新闻检测的模态头解耦与调控方法报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv cs.CLHMDR：面向缺失模态假新闻检测的模态头解耦与调控方法
针对多模态新闻在传播中丢失图像或文本、原有真实性标签不再可靠的问题，研究者提出 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来调控各头贡献，并用模态不变性学习对齐单模态表示。两个基准实验显示，HMDR 在缺失模态下提升检测性能，同时在完整输入上保持原有表现。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。