ExDR：面向多模态假新闻检测的解释驱动动态检索增强

多模态假新闻的快速传播构成了严重的社会威胁，其不断演变的性质和依赖时效性事实细节的特点对现有检测方法提出了挑战。动态检索增强生成通过触发基于关键词的检索并引入外部知识，提供了一种有前景的解决方案，从而实现高效且准确的证据选择。然而，在应用于欺骗性内容时，它仍面临冗余检索、相似度粗糙以及证据不相关等挑战。在本文中，我们提出了 ExDR，一个面向多模态假新闻检测的解释驱动动态检索增强生成框架。我们的框架在检索触发和证据检索模块中系统地利用模型生成的解释。它从三个互补维度评估触发置信度，通过融合欺骗性实体构建实体感知索引，并基于欺骗特定特征检索对比性证据，以挑战初始声明并增强最终预测。在两个基准数据集 AMG 和 MR2 上的实验表明，ExDR 在检索触发准确性、检索质量和整体检测性能方面始终优于先前的方法，突显了其有效性和泛化能力。