論文の概要: Contradiction to Consensus: Dual Perspective, Multi Source Retrieval Based Claim Verification with Source Level Disagreement using LLM

• arxiv url: http://arxiv.org/abs/2602.18693v1
• Date: Sat, 21 Feb 2026 02:21:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-24 17:42:02.241091
• Title: Contradiction to Consensus: Dual Perspective, Multi Source Retrieval Based Claim Verification with Source Level Disagreement using LLM
• Title（参考訳）: コンセンサスとの対比:デュアルパースペクティブ、マルチソース検索に基づくLLMを用いたソースレベル診断によるクレーム検証
• Authors: Md Badsha Biswas, Ozlem Uzuner,
• Abstract要約: 事実確認と呼ばれるクレーム検証は、潜在的な誤情報を特定するのに役立つ。 ほとんどの自動クレーム検証システムは単一の知識源に依存している。 オープンドメインのクレーム検証のための新しいシステムを提案する。
• 参考スコア（独自算出の注目度）: 0.17188280334580197
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The spread of misinformation across digital platforms can pose significant societal risks. Claim verification, a.k.a. fact-checking, systems can help identify potential misinformation. However, their efficacy is limited by the knowledge sources that they rely on. Most automated claim verification systems depend on a single knowledge source and utilize the supporting evidence from that source; they ignore the disagreement of their source with others. This limits their knowledge coverage and transparency. To address these limitations, we present a novel system for open-domain claim verification (ODCV) that leverages large language models (LLMs), multi-perspective evidence retrieval, and cross-source disagreement analysis. Our approach introduces a novel retrieval strategy that collects evidence for both the original and the negated forms of a claim, enabling the system to capture supporting and contradicting information from diverse sources: Wikipedia, PubMed, and Google. These evidence sets are filtered, deduplicated, and aggregated across sources to form a unified and enriched knowledge base that better reflects the complexity of real-world information. This aggregated evidence is then used for claim verification using LLMs. We further enhance interpretability by analyzing model confidence scores to quantify and visualize inter-source disagreement. Through extensive evaluation on four benchmark datasets with five LLMs, we show that knowledge aggregation not only improves claim verification but also reveals differences in source-specific reasoning. Our findings underscore the importance of embracing diversity, contradiction, and aggregation in evidence for building reliable and transparent claim verification systems
• Abstract（参考訳）: デジタルプラットフォームにおける誤報の拡散は、社会的な重大なリスクを引き起こす可能性がある。 クレーム検証(クレーム検証、またはファクトチェック)は、潜在的な誤情報を特定するのに役立つ。 しかし、それらの効果は、彼らが依存する知識ソースによって制限される。 ほとんどの自動クレーム検証システムは、単一の知識源に依存し、その情報源から支持された証拠を利用する。 これにより、知識のカバレッジと透明性が制限される。 これらの制約に対処するために,大規模言語モデル(LLM),多視点的エビデンス検索,およびソース間不一致解析を活用する,オープンドメインクレーム検証(ODCV)システムを提案する。 提案手法では,クレームの原形と否定形の両方の証拠を収集し,ウィキペディア,PubMed,Googleといった多様な情報源からの支持情報と矛盾情報を収集する手法を提案する。 これらのエビデンスセットは、実世界の情報の複雑さを反映した統合された知識ベースを形成するために、ソース間でフィルタリングされ、分離され、集約される。 この集合的証拠は LLM を用いたクレーム検証に使用される。 さらに、モデルの信頼性スコアを分析し、ソース間の不一致を定量化し可視化することにより、解釈可能性をさらに向上する。 5つのLCMを持つ4つのベンチマークデータセットの広範な評価により、知識集約はクレーム検証を改善するだけでなく、ソース固有の推論の違いも明らかにする。 信頼性・透明性のあるクレーム検証システムを構築するための証拠として,多様性,矛盾,集約を取り入れることの重要性が示唆された。

関連論文リスト

• VeriCite: Towards Reliable Citations in Retrieval-Augmented Generation via Rigorous Verification [107.75781898355562]
  証拠を厳格に検証し,回答の帰属性を高めるために設計された,VeriCiteと呼ばれる新しいフレームワークを紹介する。 我々は,5つのオープンソースLCMと4つのデータセットを対象とした実験を行い,VeriCiteが回答の正しさを維持しつつ,引用品質を大幅に向上できることを実証した。
  論文  参考訳（メタデータ） (2025-10-13T13:38:54Z)
• CRAVE: A Conflicting Reasoning Approach for Explainable Claim Verification Using LLMs [15.170312674645535]
  CRAVE は、説明可能なクレーム VErification に対する Conflicting Reasoning Approach である。 大規模な言語モデルによって推論される矛盾する理性に基づいて、複雑なクレームを検証することができる。 CRAVEは最先端の手法よりもはるかに優れた性能を実現している。
  論文  参考訳（メタデータ） (2025-04-21T07:20:31Z)
• Multimodal Misinformation Detection using Large Vision-Language Models [7.505532091249881]
  大規模言語モデル(LLM)は、様々なタスクにおいて顕著なパフォーマンスを示している。 誤情報検出の一部として証拠検索を考えるアプローチはほとんどない。 マルチモーダルエビデンス検索のための新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-07-19T13:57:11Z)
• Retrieval Augmented Fact Verification by Synthesizing Contrastive Arguments [23.639378586798884]
  コントラスト引数の合成による検索拡張現実事実検証を提案する。 提案手法は,関連文書を証拠として効果的に検索し,様々な視点から議論を評価する。 RAFTS は GPT 法よりはるかに小さい 7B LLM で優れた性能を発揮する。
  論文  参考訳（メタデータ） (2024-06-14T08:13:34Z)
• Support or Refute: Analyzing the Stance of Evidence to Detect Out-of-Context Mis- and Disinformation [20.184015855776437]
  ネット上の誤報や偽報が社会問題となっている。 誤情報や偽情報の1つの一般的な形態は、文脈外情報(OOC)である。 マルチモーダルな証拠の異なる部分のスタンスを抽出できるスタンス抽出ネットワーク(SEN)を提案する。
  論文  参考訳（メタデータ） (2023-11-03T08:05:54Z)
• Give Me More Details: Improving Fact-Checking with Latent Retrieval [58.706972228039604]
  証拠は、自動化された事実チェックにおいて重要な役割を果たす。 既存のファクトチェックシステムは、エビデンス文が与えられたと仮定するか、検索エンジンが返した検索スニペットを使用する。 資料から得られた全文を証拠として組み込んで,2つの豊富なデータセットを導入することを提案する。
  論文  参考訳（メタデータ） (2023-05-25T15:01:19Z)
• Decker: Double Check with Heterogeneous Knowledge for Commonsense Fact Verification [80.31112722910787]
  異種知識をブリッジ可能な常識的事実検証モデルであるDeckerを提案する。 CSQA2.0とCREAKの2つのコモンセンス事実検証ベンチマークデータセットの実験結果から,Deckerの有効性が示された。
  論文  参考訳（メタデータ） (2023-05-10T06:28:16Z)
• Topic-Aware Evidence Reasoning and Stance-Aware Aggregation for Fact Verification [19.130541561303293]
  本稿では,事実検証のための新たな話題認識型証拠推論とスタンス認識型アグリゲーションモデルを提案する。 2つのベンチマークデータセットで実施されたテストは、事実検証のためのいくつかの最先端アプローチよりも提案モデルの方が優れていることを示す。
  論文  参考訳（メタデータ） (2021-06-02T14:33:12Z)
• AmbiFC: Fact-Checking Ambiguous Claims with Evidence [57.7091560922174]
  実世界の情報ニーズから10kクレームを抽出したファクトチェックデータセットであるAmbiFCを提示する。 アンビFCの証拠に対する主張を比較する際に,曖昧さから生じる不一致を分析した。 我々は,このあいまいさをソフトラベルで予測するモデルを開発した。
  論文  参考訳（メタデータ） (2021-04-01T17:40:08Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。