온라인 허위 정보 확산에 대응하기 위해 비용 효율적인 대안으로 떠오르는 크라우드 소싱 기반 팩트 체킹의 가능성을 탐구한다. 대규모 언어 모델(LLM) 기반 생성 에이전트가 인간 군중의 역할을 대신하여 팩트 체킹 작업에 기여할 수 있는지 연구한다. 다양한 프로필을 가진 생성 에이전트 군중을 시뮬레이션하여 증거를 검색하고, 주장을 평가하며, 최종 진실성 판단을 내리도록 했다. 그 결과, 에이전트 군중이 인간 군중보다 진실성 분류에서 더 나은 성능을 보였고, 내부 일관성이 높으며, 사회적 및 인지적 편향에 덜 취약했다.
