Este artículo presenta Debate-to-Detect (D2D), un novedoso marco de detección de desinformación que supera las limitaciones de los métodos de clasificación estática existentes para abordar la proliferación de desinformación en plataformas digitales. D2D se basa en el debate multiagente (MAD) y replantea la detección de desinformación como un debate adversarial estructurado. A cada agente se le asigna un perfil específico de dominio y se somete a un proceso de debate de cinco etapas: comentarios iniciales, refutaciones, discusión abierta, comentarios finales y juicio. Más allá de la simple clasificación binaria, introduce un mecanismo de evaluación multidimensional que evalúa los argumentos en cinco dimensiones: factualidad, credibilidad de la fuente, calidad del razonamiento, claridad y consideraciones éticas. Los resultados experimentales utilizando GPT-4o en dos conjuntos de datos demuestran mejoras significativas en el rendimiento con respecto a los métodos existentes. Los estudios de caso destacan la capacidad de D2D para refinar la evidencia iterativamente y mejorar la transparencia de las decisiones.
