RW-Post：真实场景下可审计的证据支撑多模态事实核查
人工智能
2026-05-13 v4 计算与语言
摘要
多模态错误信息日益利用视觉说服，其中被重新利用或篡改的图像强化了误导性文本。我们引入了 RW-Post，一个用于真实世界多模态事实核查的帖子对齐文本--图像基准，具有可审计的标注：每个实例将原始社交媒体帖子与推理轨迹以及通过 LLM 辅助的提取与审计流水线从人工事实核查文章中导出的显式链接证据项相连接。RW-Post 支持在闭卷、有界证据和开放网络机制下的受控评估，从而能够对视觉基础和证据利用进行系统性诊断。我们提供 AgentFact 作为参考验证基线，并在统一协议下对强大的开源 LVLM 进行基准测试。实验表明存在巨大的提升空间：当前模型难以实现忠实的证据基础，而有界证据评估则同时提高了准确性与忠实度。
引用
@article{arxiv.2512.22933,
title = {RW-Post: Auditable Evidence-Grounded Multimodal Fact-Checking in the Wild},
author = {Danni Xu and Shaojing Fan and Harry Cheng and Mohan Kankanhalli},
journal= {arXiv preprint arXiv:2512.22933},
year = {2026}
}
备注
Code and dataset will be released at https://github.com/xudanni0927/AgentFact