本論文は、デジタルプラットフォーム上の偽情報拡散問題に対応して、既存の静的分類方式の限界を克服する新しい偽情報検出フレームワークであるDebate-to-Detect（D2D）を提示する。 D2Dはマルチエージェントディスカッション（MAD）に基づいており、偽の情報検出を構造化された敵対的なディスカッションに再編成します。ドメイン固有のプロファイルを各エージェントに割り当て、開放発言、反論、自由討論、閉幕発言、判断の5段階からなる討論過程を経る。単純なバイナリ分類を超えて、事実性、ソース信頼性、推論品質、明確性、倫理的側面など、5つの次元にわたって主張を評価する多次元評価メカニズムを導入します。 GPT-4oを用いた2つのデータセット実験の結果、従来方式より性能が大幅に向上したことを示し、事例研究を通じて証拠を繰り返し改善し、意思決定透明性を高めるD2Dの能力を強調する。
