هوش مصنوعی

MechScam و ScamCourt برای تشخیص دقیق‌تر ویدئوهای کلاهبرداری معرفی شدند

پژوهشگران مجموعه‌داده‌ای با ۶٬۶۱۴ ویدئو و چارچوبی مبتنی بر مناظره ساخته‌اند تا مدل‌ها را در تمایز کلاهبرداری از محتوای مشابه، مانند تبلیغات، بیازمایند.

۱ دقیقه مطالعه
Figure 1. Scam and non-scam examples with similar cues.
تصویر درج‌شده در مقالهٔ اصلی؛ حقوق بازنشر مستقل تأیید نشده است. — arXiv · AI (پیش‌چاپ) · پرونده اصلی · منبع تصویر: ناشر خبر

پژوهشگران در پیش‌چاپی در arXiv، MechScam را معرفی کرده‌اند؛ معیار سنجشی شامل ۶٬۶۱۴ ویدئو که سازوکارهای متنوع کلاهبرداری و دسته‌هایی از محتوای غیرکلاهبرداری را پوشش می‌دهد. این مجموعه برای ویدئوها توضیح‌های مبتنی بر شواهد تصویری، نشانه‌های احتمالی کلاهبرداری و بافت آن‌ها، و استدلال‌های گمراه‌کننده‌ای فراهم می‌کند که از شواهد واقعی ساخته شده‌اند.

در کنار آن، ScamCourt چارچوبی برای مناظره میان دو مدل آموزش‌دیده است: یکی در جایگاه دادستان و دیگری در جایگاه وکیل مدافع استدلال می‌کند و یک داور آموزش‌دیده بر اساس رونوشت دارای ارجاع‌های راستی‌آزمایی‌شده تصمیم می‌گیرد. ایدهٔ اصلی این است که وجود شواهد واقعی به‌تنهایی تضمین نمی‌کند نتیجه‌گیری بر پایهٔ آن‌ها درست باشد.

به‌گفتهٔ پژوهشگران، آزمایش‌ها نشان داده‌اند مدل‌های چندوجهی بزرگ پیشرفته در تمایز ویدئوهای کلاهبرداری از محتوای غیرکلاهبرداریِ مشابه مشکل دارند. ScamCourt در این آزمایش‌ها از مدل‌های چندوجهی بزرگ‌تر و خط‌مبناهای ریزتنظیم‌شده با همان معماری بهتر عمل کرده، موارد مثبت کاذب را کاهش داده و در برابر استدلال‌های گمراه‌کننده مقاوم‌تر بوده است. این مقاله پیش‌چاپ است و منبع دربارهٔ جزئیات عددی نتایج آزمایش‌ها اطلاعاتی ارائه نمی‌کند.

این گزارش به کمک هوش مصنوعی تهیه شده است. مطالب براساس منابع درج‌شده تنظیم شده‌اند؛ صحت مستقل همه ادعاها تضمین نمی‌شود.

منبع: arXiv · AI (پیش‌چاپ) — مشاهده منبع اصلی ↗

پیش‌چاپ پژوهشی در arXiv؛ انتشار در این مخزن به معنی داوری همتا نیست