Este artículo propone un sistema multi-agente novedoso que emula los procesos de toma de decisiones de los anotadores humanos para detectar y desmentir la desinformación, logrando resultados superiores en comparación con modelos de lenguaje grandes individuales como GPT-4 y GPT-3.5.
- El sistema incorpora mecanismos de consenso, diversidad cognitiva, diversidad de conocimientos y estructuras jerárquicas inspiradas en el comportamiento humano.
- Aprovecha modelos de código abierto incluyendo LLaMA, Kimi, Qwen, Deepseek y LLaMA-Nemotron para garantizar la transparencia.
- La evaluación cubre conjuntos de datos en inglés (alto recurso), polaco (recurso medio), eslovaco (bajo recurso) y búlgaro (bajo recurso).
- Los experimentos abordan la detección directa de desinformación, la identificación de textos dignos de verificación y la detección de afirmaciones factuales verificables.
Los autores consideran este enfoque importante porque la escala de la desinformación hace que la verificación manual de hechos sea inadecuada, lo que requiere métodos automatizados que superen a los LLMs individuales mientras mantienen la transparencia a través de componentes de código abierto.