MEVER: Multi-Modal and Explainable Claim Verification with Graph-based Evidence Retrieval
本文提出了一种名为 MEVER 的新型模型，通过构建双层多模态图进行证据检索，并结合令牌与证据级融合及多模态解码器技术，实现了集证据检索、多模态事实核查与解释生成于一体的可解释性验证框架，同时还发布了针对 AI 领域的科学数据集 AIChartClaim。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
🕵️♂️ 背景：现在的“侦探”不够聪明
想象一下，网上经常会出现一些说法，比如：“根据这张图表显示，某款 AI 模型的准确率在 2024 年大幅下降了。”
现在的 AI 侦探在面对这种说法时，通常有两个毛病：
- “偏科生”：有的侦探只看文字，不看图；有的侦探只看图，看不懂文字。如果真相藏在“文字描述”和“图表曲线”的结合处，他们就会抓瞎。
- “闷葫芦”：就算他们查出了真相，也只会冷冰冰地回一句“是真的”或“是假的”，却说不出为什么。这让普通人很难信任他们。
🚀 MEVER：全能型“侦探专家”
这篇论文提出的 MEVER 模型，就像是给侦探升级了一套“全套装备”，它能完成三个高难度动作：
1. 🔍 搜证阶段：建立“多维情报网” (Evidence Retrieval)
比喻： 传统的侦探找证据可能只是翻翻报纸（纯文字）。而 MEVER 侦探会建立一个**“情报网”**。
他不仅会读文字报告，还会盯着照片看。他会把文字和图片连成一张网：看到一段话，他会自动联想到对应的图表；看到一张图，他也会去搜寻相关的文字说明。这种“图文联动”的搜证方式，让他找证据的准确率极高。
2. ⚖️ 判案阶段：深度“脑补”与对比 (Claim Verification)
比喻： 拿到证据后，MEVER 不会简单地把文字和图片分开看，而是进行**“深度融合”**。
他会把文字里的每一个词，和图片里的每一个像素点进行“对对碰”。比如，文字说“上升趋势”，他会立刻去图表里找那条线是不是真的在往上走。他不仅看证据本身，还会把“说法”和“证据”放在一起反复揉搓、对比，最后才给出结论。
3. 🗣️ 结案阶段：逻辑严密的“结案陈词” (Explanation Generation)
比喻： 这是 MEVER 最厉害的地方。他不仅要判案，还要写一份**“结案报告”。
他会用一种叫“融合解码器”的技术，把刚才搜集的图文证据重新组织成人类能听懂的话。
最重要的是，他有一个“逻辑自洽检查器”**（Consistency Regularizer）。这就像是侦探在开口说话前，会先自问一遍：“我刚才判的是‘假’，那我接下来的解释是不是也得证明它是‘假’的？”这保证了他说话不会前后矛盾，让结案报告既专业又让人信服。
🧪 实验室成果：AI 领域的“专业考卷”
为了测试这位侦探，研究人员还专门出了一套**“高难度考卷”**——AIChartClaim 数据集。
这套考卷里的题目全是关于 AI 科学研究的专业图表。这就像是给侦探安排了一场“专家级考试”，不仅要看图，还要懂 AI 的专业术语。实验证明，MEVER 在处理这些专业难题时，表现远超目前的顶尖选手（比如 GPT-4o）。
💡 总结一下
MEVER 模型 = 聪明的搜证网 + 细致的图文对比 + 逻辑清晰的结案报告。
它让 AI 不再只是一个只会做选择题的机器，而是一个能看懂复杂图表、能结合图文推理、还能有理有据地跟你讲道理的智能助手。这对于未来打击网络谣言、验证科学发现具有非常重要的意义！
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。