FactGuard：基于强化学习的智能体式视频虚讯检测
人工智能
2026-02-27 v1
摘要
多模态大语言模型（MLLM）通过统一的多模态推理已大幅推进了视频虚讯检测，但它们往往依赖固定深度推理，过度信任 internally 生成的假设，尤其是在关键证据稀疏、碎片化或需要外部验证的场景中。为此，我们提出 FactGuard，一个基于 MLLM 构建的智能体式视频虚讯检测框架，将验证建模为在 MLLM 基础上构建的迭代推理过程。FactGuard 显式评估任务模糊性，并有选择地调用外部工具以获取关键证据，从而实现推理轨迹的渐进式细化。为进一步强化此能力，我们引入两种训练策略，结合领域特定的智能体监督微调与决策感知强化学习，以优化工具使用并校准风险敏感决策。针对 FakeSV、FakeTT 和 FakeVV 上的大量实验表明，FactGuard 在性能上实现了最新水平，并验证了其优异的鲁棒性和泛化能力。
引用
@article{arxiv.2602.22963,
title = {FactGuard: Agentic Video Misinformation Detection via Reinforcement Learning},
author = {Zehao Li and Hongwei Yu and Hao Jiang and Qiang Sheng and Yilong Xu and Baolong Bi and Yang Li and Zhenlong Yuan and Yujun Cai and Zhaoqi Wang},
journal= {arXiv preprint arXiv:2602.22963},
year = {2026}
}