DARE：以辩证多智能体推理进行结构化知识事实核查

结构化知识事实检查旨在通过对结构化证据进行推理来确定自然语言主张的真实性。最近的程序生成方法利用大型语言模型（LLM）来生成可执行的图形推理程序，在结构化知识事实检查基准上实现强大的性能。然而，这些方法仍然受到无效关系生成、缺乏自我纠正的单路径推理以及倾向于高估支持信号的有偏见的证据评估的限制。我们提出了辩证代理推理（DARE），这是一种多代理框架，它将结构化知识事实检查制定为迭代检索-推理-反映过程。 DARE 集成了基于关系的证据检索以将推理限制为有效结构，辩证双向验证以从支持和反驳的角度评估证据，以及信心驱动的元反射以动态确定是否需要额外的证据探索。大量实验证明了 DARE 在结构化知识事实检查方面的有效性，8B 主干网的准确率达到 88.12%，匹配或超越基于 GPT-4o 的程序生成基线，这证明了辩证代理推理在激发大语言模型潜在推理能力方面的有效性。