NewsLens：对抗性新闻偏见导航的多代理框架

媒体偏见检测主要被定义为分类任务：为文章或媒体分配政治标签。我们认为这个框架太肤浅了：它指出了偏见的存在，但没有指出偏见在哪里、如何存在，或者最重要的是，在结构上遗漏了什么。我们推出了 NewsLens，这是一个用于结构化新闻偏见导航的五代理对抗管道。事实验证者、进步框架分析师、保守框架分析师、宣传探测器和中立总结者合作将文章解构为可解释的框架图，揭露意识形态遗漏、修辞操纵和框架边界。该系统使用 Qwen2.5-3B-Instruct（4 位量化，Google Colab T4）对四个地缘政治事件集群（印度-巴基斯坦克什米尔、加沙、气候政策、乌克兰）的 15 篇文章进行了评估，并在克什米尔集群上使用 Mistral 7B 进行了跨模型验证。中心网点显示出最高的平均视角分歧分数（PDS：克什米尔子集上的 Qwen 0.907、Mistral 0.729）；保守框架的网点显示出最高的平均操纵指数（MI：两个模型均为 0.600）。跨模型比较显示高宣传内容的高度一致性（两个模型的《共和国世界 delta-PDS=0.125，MI=0.8）》和细致报道的较大方差。 Mann-Whitney U 检验发现 n=15 时组间没有统计学显着差异，如实报告为事后功效分析证实的样本量限制。删除宣传检测器的部分消融显示中性总结器输出中的遗漏精度下降。该架构将之前的词汇几何偏差工作扩展到代理 LLM 推理，并且可以使用无需 API 密钥的开放权重模型来完全重现。