Fugu-MT 論文翻訳(概要): A Browser-based Open Source Assistant for Multimodal Content Verification

論文の概要: A Browser-based Open Source Assistant for Multimodal Content Verification

arxiv url: http://arxiv.org/abs/2603.02842v1
Date: Tue, 03 Mar 2026 10:39:32 GMT
ステータス: 翻訳完了
システム内更新日: 2026-03-04 21:38:10.752438
Title: A Browser-based Open Source Assistant for Multimodal Content Verification
Title（参考訳）: ブラウザによるマルチモーダルコンテンツ検証のためのオープンソースアシスタント
Authors: Rosanna Milner, Michael Foster, Olesya Razuvayevskaya, Ian Roberts, Valentin Porcellini, Denis Teyssou, Kalina Bontcheva,
Abstract要約: 生成的AIが生み出す偽情報や偽コンテンツは、ジャーナリストやファクトチェッカーにとって大きな課題となっている。説得技術、主観性、機械生成テキストなどの信頼性信号を検出するためのNLPモデルが多数存在する。本稿では,このギャップを埋めるために設計されたブラウザベースのツールである VerIFICATION ASSISTANT について述べる。
参考スコア（独自算出の注目度）: 5.0488681454219675
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Disinformation and false content produced by generative AI pose a significant challenge for journalists and fact-checkers who must rapidly verify digital media information. While there is an abundance of NLP models for detecting credibility signals such as persuasion techniques, subjectivity, or machine-generated text, such methods often remain inaccessible to non-expert users and are not integrated into their daily workflows as a unified framework. This paper demonstrates the VERIFICATION ASSISTANT, a browser-based tool designed to bridge this gap. The VERIFICATION ASSISTANT, a core component of the widely adopted VERIFICATION PLUGIN (140,000+ users), allows users to submit URLs or media files to a unified interface. It automatically extracts content and routes it to a suite of backend NLP classifiers, delivering actionable credibility signals, estimating AI-generated content, and providing other verification guidance in a clear, easy-to-digest format. This paper showcases the tool architecture, its integration of multiple NLP services, and its real-world application to detecting disinformation.
Abstract（参考訳）: 生成AIが生み出す偽情報や偽のコンテンツは、ジャーナリストやファクトチェッカーにとって重要な課題であり、デジタルメディア情報を迅速に検証しなければならない。説得技術、主観性、機械生成テキストなどの信頼性信号を検出するためのNLPモデルが多数存在するが、そのような手法は専門家でないユーザーにはアクセスできないことが多く、統合されたフレームワークとして日々のワークフローに組み込まれていないことが多い。本稿では,このギャップを埋めるために設計されたブラウザベースのツールである VerIFICATION ASSISTANT について述べる。広く採用されているVERIFICATION PLUGINのコアコンポーネントであるVERIFICATION ASSISTANT(14万以上のユーザ)は、URLやメディアファイルを統一インターフェースにサブミットすることができる。コンテンツを自動的に抽出し、バックエンドのNLP分類器にルーティングし、アクション可能な信頼性信号を提供し、AI生成したコンテンツを推定し、明確で分かりやすいフォーマットで他の検証ガイダンスを提供する。本稿では、ツールアーキテクチャ、複数のNLPサービスの統合、および偽情報検出のための実世界の応用について紹介する。

関連論文リスト

Leveraging LLM Parametric Knowledge for Fact Checking without Retrieval [60.25608870901428]
信頼性は、大規模言語モデル(LLM)上に構築されたエージェントAIシステムの中核研究課題である本研究では,任意の自然言語クレームの検証に焦点をあて,検索なしで事実チェックを行うタスクを提案する。
論文参考訳（メタデータ） (2026-03-05T18:42:51Z)
IDP Accelerator: Agentic Document Intelligence from Extraction to Compliance Validation [3.539467892338473]
IDP(Intelligent Document Processing) Acceleratorは、エンドツーエンドのドキュメントインテリジェンスのためのエージェントAIを実現するフレームワークである。インタラクティブなデモでは、ユーザはドキュメントのパケットをアップロードし、分類結果を視覚化し、抽出したデータを探索することができる。
論文参考訳（メタデータ） (2026-02-26T20:20:38Z)
CheckIfExist: Detecting Citation Hallucinations in the Era of AI-Generated Content [0.0]
CheckIfExistは学術データベースに対する参照の即時検証を提供するオープンソースツールである。提案手法は,文字列類似性アルゴリズムを用いて多次元マッチング信頼度を求めることで,このギャップを埋める。このシステムはBibエントリの単一参照検証とバッチ処理の両方を統一インターフェースでサポートする。
論文参考訳（メタデータ） (2026-01-27T20:26:24Z)
Scaling Beyond Context: A Survey of Multimodal Retrieval-Augmented Generation for Document Understanding [61.36285696607487]
文書理解は、財務分析から科学的発見への応用に不可欠である。現在のアプローチでは、OCRベースのパイプラインがLarge Language Models(LLM)やネイティブのMultimodal LLMs(MLLM)に制限されている。 Retrieval-Augmented Generation (RAG)は、外部データの基底モデルを支援するが、文書のマルチモーダルな性質は、テキスト、テーブル、チャート、レイアウトを組み合わせることで、より高度なパラダイムを必要とする。
論文参考訳（メタデータ） (2025-10-17T02:33:16Z)
Context-Aware Visual Prompting: Automating Geospatial Web Dashboards with Large Language Models and Agent Self-Validation for Decision Support [1.506501956463029]
リスク分析と意思決定のためのWebベースのダッシュボードの開発は、大きな多次元データの難しさに悩まされることが多い。ユーザ定義入力からインタラクティブな地理空間ダッシュボードの作成を自動化する生成AIフレームワークを導入する。
論文参考訳（メタデータ） (2025-10-10T10:58:15Z)
Towards Unified Multimodal Misinformation Detection in Social Media: A Benchmark Dataset and Baseline [56.790045049514326]
詐欺の2つの主要な形態は、人造誤報とAI生成コンテンツである。両形態の偽造を扱うためのフレームワークであるUMFDet(Unified Multimodal Fake Content Detection)を提案する。 UMFDetは、両方の誤情報型に対して堅牢で一貫したパフォーマンスを実現し、特殊ベースラインを上回っている。
論文参考訳（メタデータ） (2025-09-30T09:26:32Z)
Semi-automated Fact-checking in Portuguese: Corpora Enrichment using Retrieval with Claim extraction [0.0]
この論文はポルトガルのニュースコーパスを外部の証拠で強化するための方法論を開発し、適用し、分析する。このアプローチはユーザの検証プロセスをシミュレートし、Large Language Models (LLM) を使用してテキストから主クレームを抽出する。ベースコーパスの品質を高めるために、ほぼ重複検出を含むデータ検証および前処理フレームワークを導入する。
論文参考訳（メタデータ） (2025-07-19T23:46:40Z)
FACTS&EVIDENCE: An Interactive Tool for Transparent Fine-Grained Factual Verification of Machine-Generated Text [39.804889153032526]
Facts&Evidenceは、複雑なテキストのユーザ主導検証のためのインタラクティブツールである。個々の主張の信頼性を可視化し、モデル決定と複数の多様な証拠ソースへの帰属を説明する。
論文参考訳（メタデータ） (2025-03-19T00:14:55Z)
Unified Pretraining Framework for Document Understanding [52.224359498792836]
文書理解のための統合事前学習フレームワークであるUDocを紹介する。 UDocは、ほとんどのドキュメント理解タスクをサポートするように設計されており、Transformerを拡張してマルチモーダル埋め込みを入力とする。 UDocの重要な特徴は、3つの自己管理的損失を利用して汎用的な表現を学ぶことである。
論文参考訳（メタデータ） (2022-04-22T21:47:04Z)
MMOCR: A Comprehensive Toolbox for Text Detection, Recognition and Understanding [70.16678926775475]
MMOCRは、テキストの検出と認識のためのオープンソースのツールボックスである。それは14の最先端のアルゴリズムを実装しており、これは私たちが現在知っているすべてのオープンソースのOCRプロジェクトよりも多い。
論文参考訳（メタデータ） (2021-08-14T14:10:23Z)
Rethinking Text Line Recognition Models [57.47147190119394]
2つのデコーダファミリー(コネクショニスト時間分類と変換器)と3つのエンコーダモジュール(双方向LSTM、自己認識、GRCL)を考える。広く使用されているシーンと手書きテキストの公開データセットの精度とパフォーマンスを比較します。より一般的なTransformerベースのモデルとは異なり、このアーキテクチャは任意の長さの入力を処理できる。
論文参考訳（メタデータ） (2021-04-15T21:43:13Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。