論文の概要: Rethinking Multimodal Fake News Detection in the Generative AI Era

• arxiv url: http://arxiv.org/abs/2609.36850v1
• Date: Tue, 29 Sep 2026 06:59:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-30 21:28:47.251875
• Title: Rethinking Multimodal Fake News Detection in the Generative AI Era
• Title（参考訳）: 生成AI時代におけるマルチモーダルフェイクニュース検出の再考
• Abstract要約: 本稿では,GAHR(Generativity-Aware Hierarchical Reasoning)フレームワークを提案する。 既存の複数のフェイクニュース検出ベンチマークとWeibo26の実験により、GAHRは、生成コンテンツを効果的に識別しながら、競合する妥当性検出性能を達成することが示された。
• 参考スコア（独自算出の注目度）: 1.3648865252191944
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Generative content is increasingly entering the production and dissemination of news, transforming fake news from manually fabricated or simply manipulated material into complex forms in which native and generated content jointly participate. Existing multimodal fake news detection research primarily focuses on veracity assessment and rarely characterizes how generativity differences affect the reliability of evidence. In contrast, AIGC detection primarily determines whether content is generated or modified by generative models, but it does not by itself establish whether the underlying news event is true. To bridge the separation between these tasks in data and evaluation, we construct Weibo26, a multimodal fake news detection dataset for generative-content scenarios. On this basis, we propose the Generativity-Aware Hierarchical Reasoning (GAHR) framework, which combines global judgment with local correction so that generativity information participates in news-veracity reasoning. Experiments on multiple existing fake news detection benchmarks and Weibo26 show that GAHR achieves competitive veracity-detection performance while effectively identifying generative content.
• Abstract（参考訳）: 生成コンテンツは、ニュースの制作と普及にますます入り込んできており、偽のニュースは手動で作られたものや単に操作されたものから、ネイティブと生成されたコンテンツが共同で参加する複雑な形式へと変化している。 既存のマルチモーダルフェイクニュース検出研究は、主に正確性の評価に焦点をあてており、生成率の違いが証拠の信頼性にどのように影響するかを特徴付けることは滅多にない。 対照的に、AIGC検出は、主に生成モデルによってコンテンツが生成されるか修正されるかを決定するが、基礎となるニュースイベントが真実であるかどうかをそれ自体が決定しない。 データと評価におけるこれらのタスクの分離を橋渡しするために、生成コンテンツシナリオのためのマルチモーダルフェイクニュース検出データセットWeibo26を構築した。 そこで本研究では,GAHR(Generativity-Aware Hierarchical Reasoning)フレームワークを提案する。 既存の複数のフェイクニュース検出ベンチマークとWeibo26の実験により、GAHRは、生成コンテンツを効果的に識別しながら、競合する妥当性検出性能を達成することが示された。

関連論文リスト

• RAEGNet: Relation-Aware Evidence Graph Network for Harm-Aware Multimodal Fake News Detection [10.75080124489344]
  イベントレベル証拠検索フレームワーク(ELERF)を設計し,関係対応グラフネットワーク(RAEGNet)を提案する。 ELERFはニュース項目の完全なイベントセマンティクスに基づいて外部証拠を検索する。 RAEGNetは、ニュース・エビデンス・スタンス関係とエビデンス・エビデンス・エビデンス・インタラクション関係を組み込んだ有向グラフを構築し、信頼と潜在的な害を共同でモデル化する条件付きハーム・ブランチを導入する。
  論文  参考訳（メタデータ） (2026-09-29T07:25:20Z)
• ZoFia: Zero-Shot Fake News Detection with Entity-Guided Retrieval and Multi-LLM Interaction [14.012874564599272]
  ZoFiaは、2段階のゼロショットフェイクニュース検出フレームワークである。 まず,ニュースコンテンツにおけるエンティティの重要性を定量化するために階層的サリエンスを導入する。 そこで我々はSC-MMRアルゴリズムを提案し,情報的かつ多様なキーワード群を効果的に選択する。
  論文  参考訳（メタデータ） (2025-11-03T03:29:42Z)
• 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)
• KGAlign: Joint Semantic-Structural Knowledge Encoding for Multimodal Fake News Detection [3.221633413708485]
  本稿では,視覚的,テキスト的,知識に基づく表現を統合した,新しいマルチモーダルフェイクニュース検出フレームワークを提案する。 本提案では,知識基底型マルチモーダル推論という新たなパラダイムを提案する。
  論文  参考訳（メタデータ） (2025-05-18T13:08:38Z)
• Exploring Modality Disruption in Multimodal Fake News Detection [16.607714608483164]
  本稿では,モダリティ破壊問題に対処するため,マルチモーダルな偽ニュース検出フレームワークFND-MoEを提案する。 FND-MoEは、それぞれのデータセットで3.45%と3.71%の精度向上により、最先端の手法を著しく上回っている。
  論文  参考訳（メタデータ） (2025-04-12T09:39:29Z)
• FKA-Owl: Advancing Multimodal Fake News Detection through Knowledge-Augmented LVLMs [48.32113486904612]
  本稿では,FKA-Owlを提案する。FKA-Owlは,偽情報を利用した大規模視覚言語モデル(LVLM)の拡張のためのフレームワークである。 パブリックベンチマークの実験では、FKA-Owlは従来の手法よりも優れたクロスドメイン性能を達成している。
  論文  参考訳（メタデータ） (2024-03-04T12:35:09Z)
• Adapting Fake News Detection to the Era of Large Language Models [48.5847914481222]
  我々は,機械による(言い換えられた)リアルニュース,機械生成のフェイクニュース,人書きのフェイクニュース,人書きのリアルニュースの相互作用について検討する。 我々の実験では、人書き記事のみに特化して訓練された検知器が、機械が生成したフェイクニュースを検出できる興味深いパターンを明らかにしましたが、その逆ではありません。
  論文  参考訳（メタデータ） (2023-11-02T08:39:45Z)
• Nothing Stands Alone: Relational Fake News Detection with Hypergraph Neural Networks [49.29141811578359]
  本稿では,ニュース間のグループ間相互作用を表現するためにハイパーグラフを活用することを提案する。 提案手法は,ラベル付きニュースデータの小さなサブセットであっても,優れた性能を示し,高い性能を維持する。
  論文  参考訳（メタデータ） (2022-12-24T00:19:32Z)
• Multiverse: Multilingual Evidence for Fake News Detection [71.51905606492376]
  Multiverseは、偽ニュースの検出に使用できる多言語エビデンスに基づく新機能である。 偽ニュース検出機能としての言語間証拠の使用仮説を確認した。
  論文  参考訳（メタデータ） (2022-11-25T18:24:17Z)

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。