辩论未言之隐：角色锚定的多智能体推理检测半真半假

# 辩论未言之语：面向半真半假检测的角色锚定多智能体推理  
来源：https://arxiv.org/html/2604.19005  
Yixuan Tang¹ Yirui Zhang¹ Hang Feng² Anthony K. H. Tung¹  
¹新加坡国立大学 ²上海交通大学  
[email protected] [email protected] [email protected] [email protected]  

###### 摘要  
半真半假——因缺失语境而具有误导性、却在字面上正确的陈述——仍是专注显性假话的事实核查系统的盲区。应对此类“遗漏式操控”不仅要推理说了什么，更要推理没说什么。我们提出 RADAR，一种角色锚定的多智能体辩论框架，在真实、嘈杂的检索环境下进行“遗漏感知”事实核查。RADAR 为*政客*与*科学家*分配互补角色，二者在共享检索证据上对抗式推理，并由中立的*法官*主持。双阈值早停控制器自适应决定何时已充分推理并给出裁决。实验表明，RADAR 在各数据集与骨干模型上均稳定超越强单智能体与多智能体基线，提升遗漏检测准确率并降低推理开销。结果证实，角色锚定、检索 grounded 且自适应控制的辩论是揭示事实核查中缺失语境的有效可扩展框架。代码开源：https://github.com/tangyixuan/RADAR。  

## 1 引言  
图 1：事实核查范式概览：(a) 基于编码器的声明-证据对分类器，(b) 提示引导的大模型，(c) 固定 pro/con 角色且依赖内部知识的多智能体辩论，(d) 本文提出的 RADAR，通过证据 grounded 角色辩论进行遗漏感知推理。  
网络谣言的迅速蔓延加剧了对可扩展、可靠事实核查系统的需求。尽管大语言模型在识别显性假话上进展显著，一种更微妙且普遍的操控仍难被识别：*半真半假*。半真半假在孤立事实上正确，却因遗漏语境而误导。例如，“某政客任内国债下降 15%”可能属实，却隐瞒了同一任期内先增 20% 的关键背景。这种选择性框架未伪造事实，却扭曲解读，给人工与自动核查带来独特挑战。  

检测半真半假与标准事实核查根本不同。遗漏感知核查不是找显性矛盾，而是要判断现有证据是否不足以支撑声明的隐含结论，需对潜在中间假设而非表层信号进行推理。现实检索场景下证据嘈杂且不完整，挑战更甚：即便检索段落看似支持，也可能漏掉关键背景，导致系统将遗漏式声明误判为真。  

现有事实核查 pipeline 大多未针对此场景设计。如图 1，单智能体方法（包括编码器分类器与指令调优 LLM）对检索证据仅做一次推理，关键语境缺失时易误差累积。多智能体辩论（MAD）框架通过论点交换引入多样性，但其固定 pro/con 角色与专注显性矛盾，使其不擅长“遗漏推理”——核心在于缺失语境而非对立声明。因此，单智能体与常规 MAD 在证据仅部分支持时均难以可靠发现半真半假。近期 TRACER 开始显式研究遗漏感知核查，但其假设可获取黄金证据标注且为单智能体静态推理，限制了现实检索条件下的适用性。  

本文提出 RADAR（Role-Anchored multi-agent Debate for hAlf-tRuth Reasoning），在检索不完整场景下进行遗漏感知事实核查。与依赖固定 pro/con 立场或内部知识的传统辩论不同，RADAR 将核查建模为具有现实专家角色的结构化辩论，所有角色仅基于检索证据推理。*政客*智能体用现有证据构建连贯叙事，*科学家*智能体则追问缺失、薄弱或被选择性呈现的语境，中立*法官*主持讨论并给出最终裁决。  

为提高效率，RADAR 引入双阈值早停控制器，同时监测法官的停止裕度与裁决置信度。一旦信息交换充分，辩论自动结束，避免冗余互动且保持推理深度。通过该自适应机制，RADAR 在可解释性、准确率与计算成本间取得平衡，使遗漏推理在现实核查中更可扩展。  

贡献如下：  
- 针对真实检索场景下的遗漏式半真半假检测，指出从不完整证据中发现缺失语境的挑战。  
- 提出 RADAR，一种角色锚定、检索 grounded 的多智能体推理框架，通过互补辩论揭示缺失语境，并带自适应早停以提升效率。  
- 跨数据集与骨干 LLM 实验表明，RADAR 稳定优于强单智能体与多智能体基线，同时提升准确率与效率。  

## 2 相关工作  

### 2.1 事实核查与半真半假  
事实核查通常被定义为给定检索证据判断声明是否被支持或反驳。大量系统探索检索、推理与解释。Climinator 研究气候领域基于 LLM 的核查；ClaimDecomp 将声明分解为子问题；FIREX 采用“验证或搜索”迭代循环。这些方法对显性谣言有效，但默认误导性声明表现为与证据直接矛盾。  

半真半假违反该假设：声明相对于检索证据可能属实，却因遗漏语境而误导。TRACER 首次通过“关键隐藏证据”概念建模该现象，但其假设可获取黄金证据且为单智能体静态推理。本文则在嘈杂检索下检测遗漏，并通过结构化交互而非一次推理完成。  

### 2.2 多智能体辩论推理  
多智能体辩论（MAD）近期成为提升 LLM 推理与事实性的范式。D2D、TruEDebate 等采用多阶段对话让支持者、质疑者与法官达成真伪判断。然而，大多数 MAD 系统面向矛盾导向核查，智能体围绕声明展开攻防。遗漏式半真半假核心在于缺失语境而非显性冲突。RADAR 因此用互补推理角色取代极性辩论，并将所有交互 grounding 到检索证据，使智能体能揭示“缺席”信息而非仅争论“已述”内容。  

### 2.3 新闻中的遗漏偏见  
Ehrhardt 等通过实体共现检测政治倾向；Zhukova 等用 COSS 框架建模委托、遗漏与信源选择带来的偏见。其他工作探讨修辞操控与宣传框架，或分析区分真实与欺骗报道的语言线索。这些研究多从描述角度分析遗漏，本文则将遗漏形式化为推理与核查任务，旨在检测不完整语境何时导致误导性声明。  

## 3 RADAR 框架  

### 3.1 框架概览  
我们提出 RADAR，一种在真实检索条件下检测遗漏式半真半假的多智能体框架。与依赖一次分类或黄金证据的先前系统不同，RADAR 让角色专精的智能体在检索证据基础上进行审议式推理。如图 2，框架分两阶段：(1) 嘈杂检索下的语境构建，不假设完整性；(2) 角色 grounded 多轮辩论，通过对抗式推理识别缺失语境并判断声明是否误导。  

给定输入声明 c，RADAR 先从背景语料检索 top-m 相关片段构建证据池 E。检索集不可避免地含无关或残缺信息，模拟现实事实核查的不确定性。随后，*政客*、*科学家*与中立*法官*三智能体参与辩论：政客基于现有证据构建有说服力的叙事，代表倡导式推理；科学家则审视证据中的缺失、薄弱或选择性呈现，代表分析式推理。角色名称虽受政治话语启发，其功能行为却与领域无关，旨在捕捉互补推理倾向。法官主持讨论、监控充分性并给出最终裁决。该设计将核查从立场竞争转为遗漏聚焦：一方构建最强证据叙事，另一方挖掘缺失语境。结合共享证据 grounding 与自适应停止，RADAR 可在不完整检索下进行结构化推理。  

表 1：RADAR 中角色与推理风格（说服 vs. 分析）。  

### 3.2 阶段 I：嘈杂检索下的语境构建  
遗漏式误导常因选择性呈现事实而 convincing。为在真实条件下评估声明，RADAR 首先构建一个既具信息量又不完美的检索 grounded 证据池，不要求下游推理假设完整性，而是在不确定性中运作。  

##### 证据检索  
给定声明 c，RADAR 从背景语料检索 top-m 相关片段形成证据池 E = Retrieve(c)。检索固有缺陷，E 可能含无关段落、碎片化事实或仅部分支持的证据。该设置更贴近现实事实核查，需从不完整检索语境推理。不同于假设黄金证据的 TRACER，或主要依赖内部知识的 TED、D2D 等辩论框架。  

##### 共享 grounding  
所有智能体共享同一证据池 E 作为事实基础。辩论中，智能体须用检索证据论证，提升透明度并减少无支持声明。因所有智能体面对相同但不完整证据，其结论差异源于推理而非信息不对等。  

### 3.3 阶段 II：角色 grounded 多轮辩论  
共享语境建立后，RADAR 进行结构化辩论：政客与科学家迭代交换论点，法官主持并评估进展。所有智能体在同一证据池 E 上操作，并遵循固定辩论协议。