记忆优先的事实核查：一种基于知识图谱的多智能体系统用于虚假信息检测

本文提出了一种混合事实核查框架，将基于知识图谱的语义记忆与对抗式多智能体推理相结合，用于可解释的虚假信息检测。所提出的系统采用记忆优先、网页兜底的架构，其中输入主张首先通过基于 Sentence-BERT 的语义检索和自然语言推理，在双索引知识图谱上进行评估。当从图谱中检索到的证据不足以支持可靠决策时，框架会从可信网页来源收集信息，并使用由支持、反驳和裁决智能体组成的对抗式法庭对其进行评估。一种感知图结构的置信机制结合语义相似度、NLI 置信度和结构化图证据，以判断内部知识是否充足，从而减少不必要的网页检索。验证完成后，已确认的信息会被转换为结构化三元组并纳入知识图谱，从而支持系统语义记忆的增量扩展。基于一个整理的 COVID-19 虚假信息基准的实验评估表明，所提出的框架在已解决主张上达到了 97.4% 的准确率和 92.6% 的宏平均 F1 分数，优于 Llama~3.3~70B 基线，后者的准确率为 87.7%，宏平均 F1 分数为 86.3%。