論文の概要: Beyond Risk Cues: A Mechanism-Level Benchmark and Verifiable Debate for Scam Video Detection on the Web

• arxiv url: http://arxiv.org/abs/2611.06110v1
• Date: Wed, 04 Nov 2026 07:52:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-06 03:25:58.018631
• Title: Beyond Risk Cues: A Mechanism-Level Benchmark and Verifiable Debate for Scam Video Detection on the Web
• Title（参考訳）: リスクキューを超えて:Web上の詐欺ビデオ検出のためのメカニズムレベルベンチマークと検証可能な議論
• Abstract要約: オンライン詐欺ビデオは個人や社会に重大な脅威をもたらす。 MechScamは、様々な詐欺機構と非詐欺カテゴリをカバーする6,614の動画からなるベンチマークである。 ScamCourtは、訓練された検察と弁護の討論者が反対の議論をし、訓練された裁判官が決定する議論フレームワークである。
• 参考スコア（独自算出の注目度）: 27.575634105548996
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Online scam videos pose significant threats to individuals and society. Existing studies primarily focus on binary classification, offering limited insights into how scams work and the reasoning behind detection decisions. Moreover, they often overlook the challenge of distinguishing scam videos from superficially similar non-scam content, such as advertisements, and the robustness of detection models against misleading arguments. These limitations hinder reliable scam video detection. To address these limitations, we introduce MechScam, a benchmark comprising 6,614 videos covering diverse scam mechanisms and non-scam categories. MechScam provides explanations supported by video evidence, annotations of potential scam elements and their context, and misleading arguments constructed from genuine evidence. Recognizing that genuine evidence can still be used to justify misleading conclusions, we further propose ScamCourt, a debate framework in which trained prosecution and defense debaters present opposing arguments, while a trained judge makes decisions based on a transcript with verified citations. Extensive experiments show that state-of-the-art MLLMs struggle to distinguish scam videos from similar non-scam content. ScamCourt outperforms larger MLLMs and same-backbone fine-tuned baselines, reducing false positives and showing stronger resistance to misleading arguments. Together, MechScam and ScamCourt contribute to more reliable and interpretable scam video detection. The dataset and code are available at https://github.com/SuperYFan/MechScam.
• Abstract（参考訳）: オンライン詐欺ビデオは個人や社会に重大な脅威をもたらす。 既存の研究は主にバイナリ分類に重点を置いており、詐欺の仕組みや検出決定の背後にある理由に関する限られた洞察を提供している。 さらに、広告など、表面的に類似したノン詐欺コンテンツと、誤解を招く議論に対する検出モデルの堅牢性とを区別する難しさを、しばしば見落としている。 これらの制限は、信頼できる詐欺ビデオ検出を妨げる。 これらの制限に対処するために,多様な詐欺機構と非詐欺カテゴリをカバーする6,614本のビデオからなるベンチマークであるMechScamを紹介した。 MechScamは、ビデオのエビデンス、潜在的な詐欺要素とその文脈の注釈、真偽のエビデンスから構築された誤解を招く議論によって支持される説明を提供する。 真の証拠がいまだに誤解を招く結論を正当化するために用いられることを認識して、我々はさらにScamCourtを提案する。ScamCourtは、訓練された起訴と弁護の討論者が反対の議論を提示する議論フレームワークであり、訓練された裁判官は、検証された引用の書き起こしに基づいて決定を行う。 大規模な実験によると、最先端のMLLMは、詐欺ビデオと類似の非詐欺コンテンツとを区別するのに苦労している。 ScamCourtは、より大きなMLLMと同じバックボーンの微調整ベースラインを上回り、偽陽性を減らし、誤解を招く引数に対する強い抵抗を示す。 MechScamとScamCourtは共に、より信頼性が高く解釈可能な詐欺ビデオ検出に貢献している。 データセットとコードはhttps://github.com/SuperYFan/MechScamで公開されている。

関連論文リスト

• CAMERA: Adapting to Semantic Camouflage in Unsupervised Text-Attributed Graph Fraud Detection [59.67216074776147]
  非教師型TAGFDのためのケース適応型マルチキューエキスパートFRAmework(CAMERA)を提案する。 文脈インフォームドゲーティングモデルを導入し,エゴノード表現とその近傍コンテキストを共同で検討する。 4つの挑戦的なデータセットの実験は、CAMERAが一貫してライバルを上回っていることを示している。
  論文  参考訳（メタデータ） (2026-05-19T15:54:09Z)
• PreScam: A Benchmark for Predicting Scam Progression from Early Conversations [22.864427809364397]
  初期の会話から詐欺進行をモデル化するためのベンチマークであるPreScamを紹介する。 リアルタイム終端予測とスキャマー動作予測という2つのタスクのモデルをベンチマークする。 その結果, 表面流速と進行モデルの間には明確なギャップが認められた。
  論文  参考訳（メタデータ） (2026-05-12T15:11:41Z)
• Video-Holmes: Can MLLM Think Like Holmes for Complex Video Reasoning? [56.06537213958482]
  本稿では,MLLMの複雑なビデオ推論能力を評価するためのベンチマークであるVideo-Holmesを紹介する。 Video-Holmesは270本の手動注釈付きサスペンス短編映画から1,837の質問で構成されている。 最新のMLLMを包括的に評価した結果,これらのモデルは視覚的知覚に優れるが,情報の統合にはかなりの困難が伴うことが明らかとなった。
  論文  参考訳（メタデータ） (2025-05-27T16:05:01Z)
• PsyScam: A Benchmark for Psychological Techniques in Real-World Scams [38.57446009573742]
  PsyScamは、現実世界の詐欺報告で使用される心理的テクニックを体系的に捉えるために設計されたベンチマークである。 PsyScamは、実世界のスキャマーが使用するPTに基づいて、スキャマーコンテンツの検出と生成において、既存のモデルに重大な課題をもたらすことを示す。
  論文  参考訳（メタデータ） (2025-05-21T01:55:04Z)
• VideoHallu: Evaluating and Mitigating Multi-modal Hallucinations on Synthetic Video Understanding [70.00000053847738]
  物理的な世界と対話するAIシステムには、真の視覚的理解が不可欠である。 現在の評価では、主にトレーニングデータと同様の実際のビデオを使用する。 物理的に不可能または論理的に矛盾する事象を描写するビデオを用いた負制御テストを提案する。
  論文  参考訳（メタデータ） (2025-05-02T15:58:38Z)
• ScamFerret: Detecting Scam Websites Autonomously with Large Language Models [2.6217304977339473]
  ScamFerretは、大きな言語モデル(LLM)を使用して、特定のURLからデータを自律的に収集して分析し、それが詐欺であるかどうかを判断する革新的なエージェントシステムである。 評価の結果、ScamFerretは英語で4つの詐欺タイプを分類する0.972の精度と、オンラインショッピングサイトを3つの言語で分類する0.993の精度を達成できた。
  論文  参考訳（メタデータ） (2025-02-14T12:16:38Z)
• Distinguishing Scams and Fraud with Ensemble Learning [0.8192907805418583]
  消費者金融保護局の苦情データベースは、ユーザ詐欺クエリにおけるLCMのパフォーマンスを評価するための豊富なデータソースである。 我々は詐欺やCFPBの苦情を識別するためのアンサンブルアプローチを開発した。
  論文  参考訳（メタデータ） (2024-12-11T18:07:18Z)

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。