如今，假新闻迅速涌入，对我们的社会构成了巨大的威胁。假新闻在多个方面对我们产生影响，包括改变我们的思想、操纵观点，以及因错误信息造成混乱。随着在社交媒体平台上获取和分享信息的便捷性，这些假新闻或错误信息以不同的方式传播，包括文字、图片、音频和视频。虽然已经有很多方法只检测文本格式的假新闻，但多模态方法却不常见，因为很难充分利用从不同模态中获得的信息，在组合格式中实现高准确度。为了解决这些问题，引入了 DeBertNeXT，它是一种多模态假新闻检测模型，利用文章中的文本和视觉信息进行假新闻分类。在庞大的 Fakeddit 数据集和另外两个较小的基准数据集 Politifact 和 Gossipcop 上进行了实验。在 Fakeddit 数据集上，我们的模型优于现有模型约 3.80%，Politifact 优于 2.10%，Gossipcop 优于 1.00%。