PrismAgent：ゼロショットの解釈可能マルチエージェント枠組みでミーム中の有害性を可視化する

概要: ミームの急速な拡散により、有害コンテンツの検出がますます重要になっています。効果的な識別ができれば、誤情報の流通を抑えることができます。しかし、既存の手法は高ボリュームの注釈付きデータに大きく依存しているため、学習コストが大きくなり、汎化性能が限定的です。これらの課題に対処するために、本論文ではPrismAgentというゼロショット・マルチエージェント・解釈可能な枠組みを提案します。PrismAgentは、このタスクを刑事事件の捜査として捉え、構造化された協調的ワークフローの中で、分析・捜査・起訴・判決の段階を担う4つの専門エージェントを用います。最初の段階では、アナリストエージェントが、善意および悪意の仮定のもとで各ミームを言い換え、それにより根底にある意図を探ります。次に、捜査官エージェントが、注釈なしデータセットから裏付けとなる証拠を取得し、ミームとそのバリエーションに対する文脈に基づく解釈を構築します。その後、検察官エージェントは、元のミームを3つの解釈それぞれと組み合わせることで、独立した3つの予備的判断を行います。最後に、裁判官エージェントが、すべての証拠にわたって検討し、最終的な判決を下します。さらに、PrismAgentの明示的なマルチステージの推論チェーンは、モデルを本質的に解釈可能にします。最終的な検出結果を出すだけでなく、すべての中間ステップが明示的に説明されるからです。3つの公開データセットに関する大規模な実験により、PrismAgentが既存のゼロショット検出手法を大きく上回ることが示されます。