作者：Md Messal Monem Miah, Adrita Anika , Xi Shi, Ruihong Huang
来源：ACL 2025
单位：Texas A&M University，Amazon
发表日期：2025.8
背景
欺骗检测意义重大但本质困难，人类判别准确率仅略高于随机猜测（约 54%）。研究者试图用语言学特征、音频特征、面部微表情等自动化线索来辅助判别。
近年 LLM 在语言理解、情感/事实验证等任务上显示强大能力；LMM也在理解音/视频和文本等方面崛起。本文系统评估了不同类型模型在多模态欺骗检测任务中的性能。
论文贡献
1、首次系统性研究大语言模型与多模态大模型在欺骗检测中的表现，涵盖文本数据集（OpSpam）、实验室环境视频数据集（MU3D）、以及真实法庭审讯数据集（RLTD）。
2、比较了传统深度学习基线（如RoBERTa、CNN、LSTM）、开源LLM（LLaMA、Gemma）、商用LLM（GPT-4o）、以及多模态模型（GPT-4o多模态、LLaVA等）的性能，形成一个较为全面的评估。
3、探索了不同实验设置，包括：直接标签预测与事后推理生成、随机与相似性示例选择、few-shot 与 zero-shot 提示，以及是否使用思维链提示。
4、发现并揭示了当前模型的短板：LMM 在捕捉视频里的细粒度非语言特征时表现不佳，甚至不如传统的视觉神经网络。
实验过程
1、数据集：
| 数据集 | 类型 | 内容 | 标签 |
| RLTD | 庭审视频 | 121个视频 | 有罪/无罪 |
| MU3D | 人际对话 | 320个视频 | 喜欢/不喜欢 |
| OpSpam | 在线评论 | 1600条酒店评论 | 欺骗/真实 |
2、评估模型：
文本LLMs：LLaMA3.1-8B, Gemma2-9B, GPT-4o
多模态LMMs：
视频+文本：LLaVA-NeXT-Video, Qwen2VL
音频+文本：MERaLiON-AudioLLM, Qwen2-Audio
3、实验设置
基线模型：RoBERTa（文本）、BiLSTM+Attention、CNN、PECL（多模态）
提示策略：
零样本 vs 少样本（2/4/6/8/10个样本）
直接输出标签 vs 先生成标签再生成推理（post-hoc reasoning）
辅助特征：
非语言手势（RLTD）
视频摘要（LLaVA生成）
音频摘要（Qwen2-Audio生成）
微调：使用LLaMA-Factory对开源模型进行微调