본 논문은 디지털 플랫폼 상의 가짜 정보 확산 문제에 대응하여, 기존의 정적인 분류 방식의 한계를 극복하는 새로운 가짜 정보 탐지 프레임워크인 Debate-to-Detect (D2D)를 제시한다. D2D는 다중 에이전트 토론(MAD)을 기반으로 하며, 가짜 정보 탐지를 구조화된 적대적 토론으로 재구성한다. 도메인 특정 프로파일을 각 에이전트에 할당하고, 개방 발언, 반박, 자유 토론, 폐막 발언, 판단의 다섯 단계로 구성된 토론 과정을 거친다. 단순한 이진 분류를 넘어, 사실성, 출처 신뢰성, 추론 품질, 명확성, 윤리적 측면 등 다섯 가지 차원에 걸쳐 주장을 평가하는 다차원 평가 메커니즘을 도입한다. GPT-4o를 이용한 두 개의 데이터셋 실험 결과, 기존 방식보다 성능이 크게 향상되었음을 보여주며, 사례 연구를 통해 증거를 반복적으로 개선하고 의사결정 투명성을 높이는 D2D의 능력을 강조한다.
