多模态气候虚假信息检测：将视觉-语言模型与外部知识源相结合
人工智能
2026-01-23 v1
摘要
气候虚假信息已成为当今数字世界的一大挑战，尤其是随着误导性图像和视频在社交媒体上广泛传播。这些虚假声明往往令人信服且难以检测，从而可能延误应对气候变化的行动。虽然视觉-语言模型 (VLM) 已被用于识别视觉虚假信息，但它们仅依赖训练时可用的知识。这限制了它们对近期事件或更新进行推理的能力。本文的主要目标是克服这一限制，将 VLM 与外部知识相结合。通过检索最新信息，如反向图像搜索结果、在线事实核查和可信的专家内容，系统能更好地评估图像及其声明是准确、误导、虚假还是无法核实。这种方法提升了模型处理现实世界气候虚假信息的能力，并有助于在快速变化的信息环境中保护公众对科学的理解。
引用
@article{arxiv.2601.16108,
title = {Multimodal Climate Disinformation Detection: Integrating Vision-Language Models with External Knowledge Sources},
author = {Marzieh Adeli Shamsabad and Hamed Ghodrati},
journal= {arXiv preprint arXiv:2601.16108},
year = {2026}
}