ReflectFact：以自反思智能体提升多跳事实核查的理解与推理

多跳事实核查通过跨多条证据的推理来验证声明，对打击社交媒体上的错误信息至关重要，但仍然极具挑战性。近期方法主要依赖多智能体协作，把事实核查分解为专门化的子任务。然而，这些方法面临两个关键局限：（1）智能体可能在缺乏对全局核查目标充分认知的情况下执行单个子任务，导致推理偏离预期方向；（2）参数化知识与所提供证据之间的冲突可能破坏基于证据的推理，并导致错误判定。为应对这些挑战，我们提出 ReflectFact，一个用于多跳事实核查的新型自反思智能体框架。ReflectFact 引入三个关键任务。显式推理路径规划通过消解隐式实体、把声明分解为子问题、并将已验证事实整合为判定，构建基于证据的推理路径。证据漂移验证在基于证据的回答只是在复述参数化先验时，要求智能体引用支持证据重新作答，从而校准证据偏差以确保基于证据的理解。推理反思验证重新检查每个推理步骤，一旦检测到不一致即重新生成，从全局任务视角纠正定位偏差和替换偏差等推理缺陷。随后，智能体聚合经过验证的推理链以产出可靠的判定。在 HOVER 和 EX-FEVER 上的大量实验表明，ReflectFact 有效弥补了现有方法的理解与推理缺陷，取得最先进的性能，在两个数据集上分别超过最强基线 3.32% 和 2.78%。