隐形于平民之中：大语言模型在多模态环境中的欺骗检测能力评估
计算与语言
2025-06-12 v1
摘要
在日益数字化的世界中，检测欺骗行为是一个至关紧要且充满挑战的任务。本研究对大语言模型（LLM）和大型多模态模型（LMM）的自动化欺骗检测能力进行全面评估。我们评估了开源和商业LLM在三个不同数据集上的表现：真实生活审讯访谈（RLTD）、教育性欺骗场景（MU3D）以及欺骗性评论（OpSpam）。我们系统地分析了不同实验设置在欺骗检测中的有效性，包括零样本和少样本方法，以及随机或基于相似性的上下文示例选择。我们的结果显示，微调后的LLM在文本欺骗检测任务上实现了最先进的性能，而LMM在充分利用跨模态线索方面仍存在挑战。此外，我们分析了辅助特征（如非语言手势和视频摘要）的影响，并检验了不同提示策略的有效性，包括直接标签生成和链式思考推理。我们的发现为如何让LLM处理和解释跨模态欺骗线索提供了关键见解，凸显了其在实际欺骗检测应用中的潜力与局限性。
引用
@article{arxiv.2506.09424,
title = {Hidden in Plain Sight: Evaluation of the Deception Detection Capabilities of LLMs in Multimodal Settings},
author = {Md Messal Monem Miah and Adrita Anika and Xi Shi and Ruihong Huang},
journal= {arXiv preprint arXiv:2506.09424},
year = {2025}
}
备注
Accepted to ACL 2025 Main Conference