继续跑虚假新闻检测的实验，目前在调参阶段，在训练集和验证集上的准确率与理想情况基本差不多，但是在测试集上差的很多，在更换数据集（换成推特那个之后）准确率下降也很严重，正在找问题。

看了一篇很有价值的文章，2023AAAI上的：See How You Read? Multi-Reading Habits Fusion Reasoning for Multi-Modal Fake News Detection（之前翻论文没有看到这篇，逛公众号偶然看到），MRHFR总结了三种基本的认知阅读习惯，并提出了认知感知融合层来学习新闻多模态特征之间的依赖关系，从而加深它们在语义层面的融合。是从认知层面出发的，角度很新颖。而且最重要的是，探索连贯性约束推理层不仅可以推断评论与新闻之间的连贯性，还可以评估新闻单模态内容与多模态内容之间的语义偏差。

在对比baseline时，注意到一个之前我没看到的多粒度多模态融合网络（MMFN），把它对应的文章读了一下Multi-modal Fake News Detection on Social Media via Multi-grained Information Fusion，发表在2023的ICMR，通过整合单模态特征和多粒度多模态融合特征，以实现更准确的假新闻检测。