LLM-MRD: LLMガイド付き多視点推論蒸留によるフェイクニュース検出

要約: マルチモーダル偽情報検出は、社会的ディスインフォメーションを緩和するうえで極めて重要です。既存のアプローチは、マルチモーダル特徴の融合や、高度な推論のための大規模言語モデル（LLMs）を活用することによってこれに対処しようとします。しかし、これらの手法は、包括的なマルチビュー判断と融合の欠如、そしてLLMsの高い計算コストに起因する推論の非効率性といった重大な制約に直面しています。これらの問題に対処するため、我々は \textbf{LLM}-Guided \textbf{M}ulti-View \textbf{R}easoning \textbf{D}istillation for Fake News Detection ( \textbf{LLM-MRD})、新しい教師-生徒フレームワークを提案します。Student Multi-view Reasoningモジュールは、まずテキスト・視覚・クロスモーダルの視点から包括的な基盤を構築します。次に、Teacher Multi-view Reasoningモジュールが、深い推論チェーンを豊富な監督信号として生成します。我々の中核となる Calibration Distillation メカニズムは、この複雑な推論由来の知識を、効率的な Student モデルへ蒸留します。実験結果は、LLM-MRD が最先端のベースラインを大幅に上回ることを示しています。特に、競合するすべての手法とデータセットで評価した場合、ACCで平均5.19%、F1-Fakeで6.33%の総合的な改善を示しています。我々のコードは https://github.com/Nasuro55/LLM-MRD で公開されています。