본 논문은 대규모 언어 모델(LLM)의 확산으로 인해 점점 더 중요하고 복잡해지는 허위 정보 탐지 문제에 대한 해결책으로, 기존의 단순 참/거짓 판단을 넘어서는 검증 가능한 허위 정보 탐지 LLM 에이전트를 제안한다. 이 에이전트는 다양한 웹 소스와의 동적인 상호 작용을 통해 주장을 적극적으로 검증하고, 정보 출처의 신뢰성을 평가하며, 증거를 종합하고, 완전한 검증 가능한 추론 과정을 제공한다. 정밀 웹 검색 도구, 출처 신뢰성 평가 도구, 수치적 주장 검증 도구라는 세 가지 핵심 도구를 포함하는 에이전트 아키텍처를 설계하여 다단계 검증 전략을 실행하고, 증거 로그를 유지하며, 포괄적인 평가 결론을 도출한다. FakeNewsNet과 같은 표준 허위 정보 데이터셋을 사용하여 기존 머신러닝 모델 및 LLM과 비교 평가하며, 표준 분류 지표, 추론 과정의 품질 평가, 그리고 다시 작성된 콘텐츠에 대한 강건성 테스트를 포함한다. 실험 결과, 제안된 에이전트는 허위 정보 탐지 정확도, 추론 투명성, 정보 재작성에 대한 저항성 측면에서 기준 방법보다 우수한 성능을 보이며, 신뢰할 수 있는 AI 지원 사실 확인을 위한 새로운 패러다임을 제시한다.
