연구진은 다중 모드 속임수 감지 모델의 해석 가능성 부족 문제를 해결하기 위해 ThinkDeception 프레임워크를 제안했어요.
ThinkDeception은 MLLM을 활용해 속임수 감지를 단순 이진 분류가 아닌 인지적 추론 과정으로 전환하고, 단계별 다중 모드 Chain of Thought(CoT) 데이터셋을 활용했어요.
VAC-GRPO와 점진적 학습 전략을 통해 기존 방법 대비 우수한 정확도와 추론 품질을 달성했으며, 다중 모드 불일치성이 속임수 감지에 중요한 역할을 한다는 것을 입증했어요.