ZoFia：基于实体引导检索和多LLM交互的零样图假新闻检测
计算与语言
2026-04-28 v3 人工智能
摘要
假新闻的快速传播威胁社会稳定与公众信任，凸显其有效检测的紧迫需求。尽管大型语言模型（LLM）在假新闻检测方面显示出潜力，但其受知识截止日期限制，处理时效性新闻时容易生成事实幻觉。此外，单一LLM的思考容易陷入早期立场锁定和确认偏见，难以同时处理内容推理与事实核查。为此，我们提出ZoFia，一个两阶段零样图假新闻检测框架。在检索阶段，我们提出了分层显著性与显著性校准最小边际相关性（SC-MMR）算法准确提取核心实体，以驱动双源检索以克服知识与证据之间的空白。在后续阶段，多智能体系统并行进行多视角推理与验证，通过对抗性辩论实现可解释且稳健的结果。针对两个公开数据集进行的全面实验表明，ZoFia优于现有零样图基线方法，甚至优于大多数少样本方法。我们的代码已开源发布，地址为 https://github.com/SakiRinn/ZoFia。
引用
@article{arxiv.2511.01188,
title = {ZoFia: Zero-Shot Fake News Detection with Entity-Guided Retrieval and Multi-LLM Interaction},
author = {Lvhua Wu and Xuefeng Jiang and Sheng Sun and Yan Lei and Tian Wen and Yuwei Wang and Min Liu},
journal= {arXiv preprint arXiv:2511.01188},
year = {2026}
}