本文介绍了一种可解释的跨模态去上下文检测方法，旨在识别不匹配内容和矛盾信息，以提高虚假信息检测的准确性和可解释性。研究提出了新型架构和数据集，评估图像与标题的匹配，增强多模态虚假信息检测效果。

本文提出了一种可解释的跨模态去上下文检测方法，旨在识别不匹配内容和交叉模态矛盾，以提高虚假信息检测的准确性。研究表明，基于CLIP的命名实体交换和混合方法能有效提升多模态模型性能，解决在线虚假信息问题。实验结果显示，该方法在准确率上优于现有模型，具有重要应用潜力。