論文の概要: MRAFnd: Multimodal Retrieval-Augmented Framework for Zero-Shot Fake News Detection

• arxiv url: http://arxiv.org/abs/2608.01430v1
• Date: Sun, 02 Aug 2026 18:21:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-04 15:07:25.227603
• Title: MRAFnd: Multimodal Retrieval-Augmented Framework for Zero-Shot Fake News Detection
• Title（参考訳）: MRAFnd:ゼロショットフェイクニュース検出のためのマルチモーダル検索拡張フレームワーク
• Abstract要約: ゼロショットシナリオで生成したニュースを検出するための新しいフレームワークである textbfMRAFnd を紹介する。 MRAFndは、ニュースの妥当性を検証するために、アナリストの協力チームをエミュレートする。 3つのベンチマークデータセットに関する総合的な実験によると、MRAFndは最先端のベースラインを著しく超えている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The rapid dissemination of multimodal content has intensified the spread of fabricated news, presenting a substantial threat to social integrity. A formidable challenge for current detection systems is identifying misinformation related to novel events in zero-shot scenarios. Prevailing zero-shot methods typically assess news items in isolation via semantic matching, a strategy that fails to recognize the recycled disinformation tactics from past campaigns and lacks the sophisticated reasoning needed to identify subtle, cross-modal discrepancies. To surmount these deficiencies, we introduce \textbf{MRAFnd}, a novel \underline{\textbf{M}}ultimodal \underline{\textbf{R}}etrieval-\underline{\textbf{A}}ugmented Framework for Zero-Shot \underline{\textbf{F}}ake \underline{\textbf{N}}ews \underline{\textbf{D}}etection. MRAFnd emulates a collaborative team of analysts to verify news veracity. The framework initiates with \textbf{Multimodal Similarity-based News Retrieval} to assemble a corpus of contextually analogous articles from an unlabeled reference database. Subsequently, during the \textbf{Bifurcated Evidential Reasoning} stage, agents perform a dual-directional analysis to extract critical patterns from the retrieved evidence. Finally, a \textbf{Multi-Agent Collaborative Debate}, involving Analyst and Arbiter agents, engages in a structured discourse to arrive at a definitive and robust conclusion. Comprehensive experiments on three benchmark datasets reveal that MRAFnd markedly surpasses state-of-the-art baselines, achieving an accuracy gain of up to 2.35\% on the demanding Weibo-21 dataset.
• Abstract（参考訳）: マルチモーダルコンテンツの急速な普及は、偽ニュースの拡散を激化させ、社会の整合性に重大な脅威をもたらしている。 現在の検知システムにおける重大な課題は、ゼロショットシナリオにおける新しい事象に関する誤報を特定することである。 ゼロショット法は、通常、セマンティックマッチングを通じてニュースアイテムを分離して評価するが、これは過去のキャンペーンからリサイクルされた偽情報の戦術を認識できない戦略であり、微妙でモジュール間の相違を識別するために必要な洗練された推論が欠如している。 これらの欠陥を克服するために、Zero-Shot \underline{\textbf{F}}ake \underline{\textbf{N}}ews \underline{\textbf{D}}etectionのための小説 \underline{\textbf{M}}ultimodal \underline{\textbf{R}}etrieval-\underline{\textbf{A}}ugmented Framework を紹介します。 MRAFndは、ニュースの妥当性を検証するために、アナリストの協力チームをエミュレートする。 このフレームワークは、textbf{Multimodal similarity-based News Retrieval} で開始し、ラベルのない参照データベースから文脈的に類似した記事のコーパスを組み立てる。 その後、textbf{Bifurcated Evidential Reasoning} 段階において、エージェントは二重方向の分析を行い、得られた証拠から臨界パターンを抽出する。 最後に、Analyst と Arbiter のエージェントを含む \textbf{Multi-Agent Collaborative Debate} は、決定的で堅牢な結論に達するための構造化された談話に関与する。 3つのベンチマークデータセットに関する総合的な実験によると、MRAFndは最先端のベースラインを著しく超え、要求されるWeibo-21データセットで最大2.35倍の精度向上を達成した。

関連論文リスト

• Let the Bullets Fly: Multimodal Fake News Detection with Temporal-Aligned Generative Danmaku [11.425128043674958]
  textitDanmaku(弾丸コメント)は、偽ニュースの検出に役立てる、きめ細かい識別的な社会的シグナルを提供する。 textitDanmakuの実際のシナリオにおける蓄積遅延は、フェイクニュース検出のリアルタイムの必要性に反する。 本稿では、新しい時間的テキストbf生成テキストbfdanmakuフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-08-24T05:50:12Z)
• Achieving Text-based Person Retrieval with Any Granularity [80.69427598925718]
  本稿では、任意の粒度を持つテキストベースの人物検索という新しいパラダイムを紹介する。 5段階の粒度スペクトルを定式化し,高品質な多粒度アノテートデータセットであるUFine6926-MGを構築した。 次に、クロスモーダルな多重粒度アライニングおよびマッチングフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-07-23T08:42:25Z)
• Towards Verifiable Multimodal Deep Research: A Multi-Agent Harness for Interleaved Report Generation [74.0621258662676]
  レポート生成のためのマルチエージェントハーネスであるPtahを提案する。 Ptahは計画、研究、執筆段階を通じて、ユーザクエリからレンダリングされたWebレポートまでのライフサイクルを編成する。 検証エージェントがハーネスの受け入れ機能として機能し、ワークフロー全体を通して事実的接地、引用の忠実性、相互の整合性を強制する。
  論文  参考訳（メタデータ） (2026-05-28T12:40:34Z)
• DecepGPT: Schema-Driven Deception Detection with Multicultural Datasets and Robust Multimodal Learning [64.33887406863899]
  マルチモーダル偽装検出は、法医学とセキュリティのための聴覚的手がかりを解析することにより、偽装行動を特定することを目的としている。 既存のベンチマークでは、中間的な推論手段を使わずにバイナリラベルのみを提供する。 構造的キューレベルの記述と推論チェーンを用いた推論データセットを構築した。 1695年のサンプルでは、非実験的偽装検出データセットとしては最大である。
  論文  参考訳（メタデータ） (2026-03-25T04:06:36Z)
• OMG-Agent: Toward Robust Missing Modality Generation with Decoupled Coarse-to-Fine Agentic Workflows [9.617220633655716]
  textbfunderlineOmni-textbfunderlineModality textbfunderlineGeneration Agent (textbfOMG-Agent)について述べる。
  論文  参考訳（メタデータ） (2026-02-04T02:25:40Z)
• DIVER: Dynamic Iterative Visual Evidence Reasoning for Multimodal Fake News Detection [6.225860651499494]
  多モーダル偽ニュース検出は、敵対的誤報の軽減に不可欠である。 進化的,エビデンス駆動推論パラダイムに基づくフレームワークであるDIVER(Dynamic Iterative Visual Evidence Reasoning)を提案する。 Weibo、Weibo21、GossipCopの実験では、DIVERは最先端のベースラインを平均2.72%上回っている。
  論文  参考訳（メタデータ） (2026-01-12T04:01:33Z)
• WebWeaver: Structuring Web-Scale Evidence with Dynamic Outlines for Open-Ended Deep Research [73.58638285105971]
  本稿では,AIエージェントが膨大なWebスケール情報を洞察に富むレポートに合成しなければならない複雑な課題であるtextbfopen-ended Deep Research (OEDR) に取り組む。 人間の研究プロセスをエミュレートする新しいデュアルエージェントフレームワークである textbfWebWeaver を紹介する。 私たちのフレームワークは、DeepResearch Bench、DeepConsult、DeepResearchGymなど、主要なOEDRベンチマークにまたがる最先端の新たなベンチマークを確立しています。
  論文  参考訳（メタデータ） (2025-09-16T17:57:21Z)
• Beyond Artificial Misalignment: Detecting and Grounding Semantic-Coordinated Multimodal Manipulations [56.816929931908824]
  マルチモーダルデータにおける意味的協調操作の検出の先駆者となった。 本稿では,RamDG(Retrieval-Augmented Manipulation Detection and Grounding)フレームワークを提案する。 我々のフレームワークは既存の手法よりも優れており、SAMMの精度は最先端の手法に比べて2.06%高い。
  論文  参考訳（メタデータ） (2025-09-16T04:18:48Z)
• CAMF: Collaborative Adversarial Multi-agent Framework for Machine Generated Text Detection [16.113113157328662]
  既存のゼロショット検出パラダイムは、しばしば重大な欠陥を示す。 マルチLLMエージェントを用いた新しいアーキテクチャである textbfCAMF を紹介する。 この構造化された協調的・敵対的プロセスは、非人間の起源を示す微妙でクロス次元のテキストの不一致の深い分析を可能にする。
  論文  参考訳（メタデータ） (2025-08-16T06:25:27Z)
• ContextGuard-LVLM: Enhancing News Veracity through Fine-grained Cross-modal Contextual Consistency Verification [2.012425476229879]
  伝統的なアプローチは、細粒度のクロスモーダルなコンテキスト整合性の問題に対処するのに不足している。 先進的な視覚言語大モデルに基づく新しいフレームワークであるContextGuard-LVLMを提案する。 我々のモデルは、強化されたあるいは敵対的な学習パラダイムによって一意に強化されている。
  論文  参考訳（メタデータ） (2025-08-08T18:10:24Z)
• METER: Multi-modal Evidence-based Thinking and Explainable Reasoning -- Algorithm and Benchmark [48.78602579128459]
  本稿では,画像,ビデオ,音声,映像コンテンツにまたがる偽造検出のための統合ベンチマークMETERを紹介する。 我々のデータセットは4つのトラックから構成されており、それぞれのトラックは実際のvsフェイク分類だけでなく、エビデンスチェーンに基づく説明も必要である。
  論文  参考訳（メタデータ） (2025-07-22T03:42:51Z)
• Robust Saliency-Aware Distillation for Few-shot Fine-grained Visual Recognition [57.08108545219043]
  サンプルが少ない新しいサブカテゴリを認識することは、コンピュータビジョンにおいて不可欠で挑戦的な研究課題である。 既存の文献は、ローカルベースの表現アプローチを採用することでこの問題に対処している。 本稿では,ロバスト・サリエンシ・アウェア蒸留法(RSaD)を提案する。
  論文  参考訳（メタデータ） (2023-05-12T00:13:17Z)

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。