LLM-MRD：LLM引导的多视图推理蒸馏用于虚假新闻检测
计算与语言
2026-03-23 v1 人工智能
摘要
多模态虚假新闻检测对于缓解社会虚假信息具有重要意义。现有方法尝试通过融合多模态特征或利用大型语言模型(LLM)进行高级推理来解决此问题。然而，这些方法存在严重局限，包括缺乏全面的多视图判断和融合，以及由于LLM的高计算成本导致的推理效率低下。为此，我们提出一种LLM引导的Multi-View Reasoning蒸馏用于虚假新闻检测(LLM-MRD)，一种新型教师-学生框架。学生多视图推理模块首先从文本、视觉和跨模态三个角度构建全面的基础。然后，教师多视图推理模块生成深层推理链作为丰富的监督信号。我们的核心校准蒸馏机制高效地将复杂推理-derived知识蒸馏到高效的学生模型中。实验表明，LLM-MRD显著优于最先进的基线方法。值得注意的是，在所有竞争方法和数据集上，LLM-MRD在准确率(ACC)和虚假新闻F1分数(F1-Fake)上分别实现了平均5.19%和6.33%的显著提升。我们的代码已在https://github.com/Nasuro55/LLM-MRD 中发布。
引用
@article{arxiv.2603.19293,
title = {LLM-MRD: LLM-Guided Multi-View Reasoning Distillation for Fake News Detection},
author = {Weilin Zhou and Shanwen Tan and Enhao Gu and Yurong Qian},
journal= {arXiv preprint arXiv:2603.19293},
year = {2026}
}
备注
Accepted at DASFAA 2026 (Oral)