DelSA：用智能体选择证据识别时序错乱假新闻

论文提出 DelSA 与 ChronoFake 基准，应对时序错乱假新闻的证据错配问题。

资讯摘要

论文针对时序错乱型假新闻提出“证据连贯性陷阱”：检索可能返回同一实体在错误时期的语义相似证据，使独立事件核验被局部连贯但时间错配的材料误导。作者构建 ChronoFake 基准，含 30,706 篇文章，区分时间操纵与含倒叙的合法叙述；并提出 DelSA 文档选择自更新智能体，训练中迭代优化证据选择，推理时用冻结规则库一次完成选择，由 LLM 描述候选证据、经核验器训练的 reranker 平衡局部相关性与时间线一致性，分类器再比对文章隐含时间线与证据时间线。作者报告 DelSA 在 ChronoFake 上优于现有方法，在 PolitiFact 和 GossipCop 上保持竞争力。

要点速读

1. 论文提出“证据连贯性陷阱”，指检索到语义合理但时期错误的证据导致误判。
2. 作者构建 ChronoFake 基准，含 30,706 篇文章，区分时间操纵与含倒叙的合法叙述。
3. DelSA 结合 LLM 证据描述、reranker 时间线一致性权衡与全局时间冲突比对；作者报告其在 ChronoFake 上优于现有方法。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/29 08:00:21（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。