NewsLens：面向对抗新闻偏见导航的多智能体框架

媒体偏见检测主要被建模为分类任务：为文章或媒体机构分配政治标签。我们认为这种建模方式过于浅层：它仅识别偏见的存在，但不指明偏见出现的位置、方式，更不清晰地揭示被遗漏的结构性内容。我们提出NewsLens，一个包含五个智能体的对抗式管道，用于结构化新闻偏见导航。Fact Verifier（事实验证者）、Progressive Framing Analyst（渐进式框架分析师）、Conservative Framing Analyst（保守派框架分析师）、Propaganda Detector（宣传检测者）和Neutral Summarizer（中性概述者）协作，将文章解构为可解释的框架图谱，暴露意识形态遗漏、修辞操纵及框架边界。该系统在四个地缘政治事件簇（印巴克什米尔、加沙、气候政策、乌克兰）的15篇文章上进行评估，使用Qwen2.5-3B-Instruct（4位量化，Google Colab T4），并采用Mistral 7B对克什米尔簇进行跨模型验证。中心媒体机构显示出最高的平均视角偏离分数（PDS：Qwen为0.907，Mistral为0.729于克什米尔子集）；保守派框架媒体显示出最高的平均操纵指数（MI：两模型下为0.600）。跨模型比较显示，对高宣传内容的一致性很高（Republic World的delta-PDS=0.125，MI=0.8，两模型均如此），而对细腻报道的差异更大。Mann-Whitney U检验在n=15时未发现组间显著差异，诚实地报告这是样本量的限制，这一点经事后功效分析得到确认。去除宣传检测者的部分消失实验显示，Neutral Summarizer输出的遗漏精度会下降。该架构将先前的词汇-几何偏见工作扩展到智能体LLM推理领域，且完全可复现，无需API密钥即可使用开源权重模型。