用于多模态虚假信息检测的概率概念图推理

针对多模态虚假信息日益严峻且传统黑盒检测器难以应对的挑战，本文提出了概率概念图推理（PCGR）框架。该框架具有可解释性和演化能力，将检测任务重构为基于概念的结构化推理。PCGR 遵循“先构建后推理”范式：首先利用多模态大语言模型自动发现并验证新颖的高层概念，构建人类可理解的概念节点图；随后在该概念图上应用分层注意力机制以推断声明的真实性。实验表明，PCGR 在检测准确性和对抗新兴操纵类型的鲁棒性上均达到最先进水平。