违背共识：基于双视角、多源检索的主张验证与LLM源级不一致
计算与语言
2026-02-24 v1
摘要
在数字平台上扩散的错误信息可能对社会构成重大风险。主张验证（即事实核查）系统可帮助识别潜在的错误信息。然而，其效果受限于所依赖的知识来源。大多数自动化主张验证系统依赖单一知识来源，并利用该来源提供的支持证据；它们忽略了该来源与其他来源的不一致。这限制了其知识覆盖范围和透明度。为解决这些限制，我们提出了一种用于开放域主张验证（ODCV）的新系统，该系统利用大语言模型（LLM）、多视角证据检索和跨源不一致分析。我们的 метод方法引入了一种新颖的检索策略，用于收集原始主张形式及其否定形式的证据，使系统能够从 diverse sources（如 Wikipedia、PubMed 和 Google）中捕获支持和相互矛盾的信息。这些证据集合经过滤选、去重和聚合后，形成一个统一且丰富的知识库，以更好地反映现实信息的复杂性。该聚合证据随后用于 LLM 进行主张验证。我们进一步通过分析模型置信度得分来量化和可视化源间不一致，从而增强可解释性。在对四个基准数据集进行大规模评估并测试五个 LLM 时，我们展示，知识聚合不仅提高了主张验证效果，还揭示了源特定推理的差异。我们的发现凸显了在构建可靠且透明的主张验证系统时，拥抱证据中的多样性、矛盾性和聚合性的重要性。
引用
@article{arxiv.2602.18693,
title = {Contradiction to Consensus: Dual Perspective, Multi Source Retrieval Based Claim Verification with Source Level Disagreement using LLM},
author = {Md Badsha Biswas and Ozlem Uzuner},
journal= {arXiv preprint arXiv:2602.18693},
year = {2026}
}