본 논문은 필체 기반의 가짜 뉴스 탐지 방법의 한계를 극복하기 위해, 대규모 언어 모델(LLM)을 활용하여 사건 중심의 내용을 추출하는 새로운 가짜 뉴스 탐지 프레임워크인 FactGuard를 제안한다. FactGuard는 사실적 추론 과정에서 모순이나 모호한 사례를 동적으로 식별하고 LLM의 조언을 적응적으로 통합하여 결정의 신뢰성을 높인다. 또한, 지식 증류를 통해 FactGuard-D를 개발하여 자원 제약적인 환경에서도 효율적인 운영을 가능하게 한다. 두 개의 벤치마크 데이터셋에 대한 실험 결과, FactGuard는 기존 방법론보다 견고성과 정확성 측면에서 모두 우수한 성능을 보였다.
