Apprendimento con Quaderno di Verifica per il Rilevamento di Disinformazione Multimodale
È stato introdotto un nuovo approccio non parametrico chiamato Apprendimento con Quaderno di Verifica (VNL) per rilevare la disinformazione multimodale con consapevolezza della fonte. VNL compila un quaderno conciso contenente principi decisionali, indicatori di evidenza ed errori comuni derivati da esperienze di verifica passate, rimanendo invariato durante la valutazione di nuovi casi. Questo framework utilizza un Large Vision-Language Model (LVLM) statico senza modificare i parametri del modello o conservare dimostrazioni. Affronta il problema che gli indizi fuorvianti nei contenuti multimodali possono provenire da diverse sezioni e richiedere tipi distinti di evidenza. Mentre le tecniche attuali migliorano la verifica tramite prompting, recupero o deliberazione potenziati, raramente catturano schemi da istanze precedenti. VNL conserva la conoscenza appresa in un processo di verifica esterno prima dell'inferenza. Lo studio è disponibile su arXiv con ID 2607.23581.
Fatti principali
- 1. L'Apprendimento con Quaderno di Verifica (VNL) è un framework non parametrico per il rilevamento di disinformazione multimodale.
- 2. VNL costruisce un quaderno compatto di principi decisionali, indizi di evidenza e insidie ricorrenti derivati da esperienze di verifica precedenti.
- 3. Il quaderno rimane fisso durante l'inferenza e guida la verifica di nuovi esempi.
- 4. VNL funziona con un Large Vision-Language Model (LVLM) congelato.
- 5. Il framework non aggiorna i parametri del modello né memorizza dimostrazioni.
- 6. VNL registra la conoscenza appresa in una procedura di verifica esterna prima dell'inferenza.
- 7. L'articolo è disponibile su arXiv con ID 2607.23581.
- 8. I metodi esistenti migliorano la verifica tramite prompting, recupero o deliberazione potenziati, ma raramente conservano schemi da esempi precedenti.
Entità
Istituzioni
- arXiv