MiniVer-V：识别短视频验证的最小充分证据

短视频事实核查的核心挑战是确定哪些证据足以支持验证结论。现有的方法要么为验证者提供所有可用的证据，引入噪声，要么根据主题相关性选择证据，这将相关性与充分性混为一谈。我们将证据充分性确定为选择标准：证据子集是否足以支持无冗余的可信判决。我们引入了 MiniVer-V，这是一个包含 195 个短视频的基准，具有三向判决注释（支持、反驳、不足）和 5,510 个跨视觉关键帧、语音记录和网络检索的外部源的多模态证据单元。我们提出了一个两层验证框架，将根据内部证据评估的声明视频一致性与事实判决确定分开，这还需要外部佐证。最重要的是，充分性驱动的贪婪搜索会收集证据，直到满足充分性阈值，并在候选池耗尽时输出不足，而不是强制 判决。使用 Claude Sonnet 4，该方法平均使用 4.5 个证据单位（完整证据集的 16%），达到 0.510 的 Macro-F1，与完整证据基线（27.7 个单位的 0.518）在统计上无法区分，同时在没有弃权的情况下显着提高了对相同搜索的不足案例的识别。效率结果与 GPT-5.5 重复，并且仅部分适用于开放重量 Qwen2.5-72B 验证器。消融表明，外部证据对于事实认定是不可或缺的，而内部视频证据则以主张视频一致性为判决依据。这些发现表明，证据有效的验证是可以实现的，并且当证据确实不充分时，需要明确弃权。