用于检测和证实多模式媒体操纵的循证取证推理

假新闻越来越依赖于跨模态图像文本伪造，这使得透明且可验证的推理链成为检测和基础多模态媒体操纵（DGM4）的迫切需要。现有方法产生黑盒检测结果，没有任何决策依据，限制了其在法医实践中的可靠性。多模态 大语言模型 (MLLM) 提供了一条通向可解释性的自然途径，但将它们应用于 DGM4 会带来两个困难。首先，模型往往会生成与预测证据位置无关的解释，从而产生未经验证的归因。其次，强制证据-结论一致性需要主动优化，但统一的训练信号无法区分定位标记和分类标记，使得多头联合训练不可靠。我们提出了一种基于证据取证推理（EFR）框架的多模式操纵检测器。 EFR 引入了锚定和验证推理链，该推理链在跨模态比较之前强制执行模态隔离感知，并将结论坐标作为下游证据必须在空间上对应的明确锚点。然后，可验证的奖励系统在训练期间强制执行证据结论的一致性，而模态解耦优势（MDA）路由机制则可以减少预测任务之间的信用错误分配。实验表明，EFR 实现了最先进的性能，同时生成将解释与证据明确绑定的结构化取证推理记录。