超越检测：基于证据的多智能体辩论用于误信息干预与说服

多智能体辩论（MAD）框架已成为误信息检测的有前景方法，通过模拟对抗推理实现。虽然先前工作聚焦于检测准确度，但忽视了帮助用户理解事实判断背后的推理并培养未来抗误能力的重要性。MAD期间生成的辩论记录提供了丰富但未被充分利用的透明推理资源。本研究引入ED2D框架，将其扩展为基于证据的MAD系统，通过整合事实证据检索。更重要的是，ED2D不仅作为检测框架，更设计为旨在纠正用户信念、阻止误信息分享的说服式多智能体系统。我们比较了ED2D生成的辩驳记录与人类专家所撰写的说服效果。结果表明，ED2D在三个误信息检测基准测试中均优于现有基线。当ED2D生成正确预测时，其辩驳记录的说服效果相当于人类专家；然而，当ED2D误分类时，其随附的解释可能即使在呈现准确的人类解释时，也会无意中强化用户的误解。我们的发现凸显了部署MAD系统进行误信息干预的前景与潜在风险。我们进一步开发了一个公共社区网站，帮助用户探索ED2D，促进透明度、批判性思维和协作事实核查。