DeceptionX：基于多模态大语言模型的可解释欺骗检测

针对现有欺骗检测方法缺乏可解释性且无法捕捉复杂逻辑推导的问题，本文提出 DeceptionX 框架。该框架将检测范式从黑盒分类转变为可解释的“观察 - 思考 - 总结”推理过程。为此，构建了包含细粒度视听证据与结构化思维链的高质量数据集 DeceptChain，并设计了三阶段训练流程及差异感知冗余消除策略。实验表明，该方法在多个基准测试中优于现有技术，同时提供了透明且达到专家水平的推理路径，有效弥合了准确率与可解释性之间的差距。