Багатоджерельний, багатоагентний пошук доказів для перевірки фактів

Автори: Shuzhi Gong, Richard O. Sinnott, Jianzhong Qi, Cecile Paris, Preslav Nakov, Zhuohan Xie

Опубліковано: 2026-03-03

Переглянути на arXiv →
#cs.AI

Анотація

Поширення дезінформації в Інтернеті становить значну загрозу як для суспільств, так і для окремих осіб, вимагаючи надійної та масштабованої перевірки фактів, яка спирається на пошук точних і достовірних доказів. Попередні методи покладаються на семантичні та соціально-контекстуальні патерни, отримані з навчальних даних, що обмежує їх узагальнення для нових розподілів даних. Нещодавно було запропоновано методи, засновані на генерації з доповненим пошуком (RAG), для використання можливостей міркування великих мовних моделей (LLM) з отриманими документами, що обґрунтовують інформацію.

Багатоджерельний, багатоагентний пошук доказів для перевірки фактів

Автори: Shuzhi Gong, Richard O. Sinnott, Jianzhong Qi, Cecile Paris, Preslav Nakov, Zhuohan Xie

Опубліковано: 2026-03-03

Переглянути на arXiv →
#cs.AI

Анотація

Поширення дезінформації в Інтернеті становить значну загрозу як для суспільств, так і для окремих осіб, вимагаючи надійної та масштабованої перевірки фактів, яка спирається на пошук точних і достовірних доказів. Попередні методи покладаються на семантичні та соціально-контекстуальні патерни, отримані з навчальних даних, що обмежує їх узагальнення для нових розподілів даних. Нещодавно було запропоновано методи, засновані на генерації з доповненим пошуком (RAG), для використання можливостей міркування великих мовних моделей (LLM) з отриманими документами, що обґрунтовують інформацію.

FEEDBACK

Проекти

Немає проектів