Debating the Unspoken: Role-Anchored Multi-Agent Reasoning for Half-Truth Detection¶

会议: ACL 2026
arXiv: 2604.19005
代码: https://github.com/tangyixuan/RADAR
领域: 事实验证 / 虚假信息检测
关键词: 半真半假检测, 多智能体辩论, 遗漏推理, 角色锚定, 自适应终止

一句话总结¶

提出RADAR框架，通过角色锚定（政客 vs 科学家）的多智能体辩论来检测基于遗漏上下文的半真半假信息，配合双阈值自适应早停机制，在噪声检索条件下一致超越单智能体和传统多智能体基线。

研究背景与动机¶

领域现状：事实验证系统在检测显式虚假信息上取得进展，但对半真半假（half-truth）——事实上正确但因遗漏关键上下文而具有误导性的声明——仍是盲区。例如"某政客减少了15%的国债"本身正确，但隐藏了同期先增加了20%的事实。

现有痛点：（1）单智能体方法（编码器分类器、指令LLM）执行单次推理，当关键上下文缺失时容易误判；（2）传统多智能体辩论（MAD）使用固定的正/反方角色，针对显式矛盾设计，不适合遗漏推理——核心问题是缺失的上下文而非对立的声明；（3）TRACER虽首次显式建模遗漏，但假设有黄金证据且为单智能体流水线。

核心矛盾：遗漏检测需要推理"什么没被说出来"，而非"什么是错的"——现有验证系统都在寻找矛盾而非缺失。

本文目标：在现实的噪声检索条件下，设计能发现缺失上下文的事实验证框架。

切入角度：将验证建模为互补角色间的结构化辩论——一方构建最佳叙事（暴露选择性框架的动机），另一方探查遗漏（揭示缺失的上下文）。

核心 idea：用"政客"和"科学家"的角色锚定替代正/反方辩论，将遗漏检测从矛盾寻找转化为缺失上下文的主动探查。

方法详解¶

整体框架¶

RADAR 要解决的是"半真半假"这种特殊谎言——声明本身事实正确，却靠遗漏关键上下文来误导。整套流程分两步：先在现实的噪声检索条件下为每条声明拉出一个共享证据池，再让三个角色锚定的智能体在这个证据池上多轮辩论，由一个自适应早停机制决定何时收手。三个智能体各司其职：政客负责把证据拼成最有说服力的支持叙事，科学家负责盯着同一份证据找哪里被略过了，法官负责裁决三分类（true/half-true/false）并控制辩论是否终止。

%%{init: {'flowchart': {'rankSpacing': 24, 'nodeSpacing': 28, 'padding': 6, 'wrappingWidth': 400, 'subGraphTitleMargin': {'top': 8, 'bottom': 16}}}}%%
flowchart TD
    A["半真半假声明"] --> B["检索锚定的证据共享<br/>top-m 共享证据池（含噪声）"]
    B --> C
    subgraph DEBATE["角色锚定辩论协议"]
        direction TB
        C["政客 agent<br/>拼出最具说服力的支持叙事"] --> D["科学家 agent<br/>探查缺失 / 被略过的上下文"]
        D --> E["法官 agent<br/>综合辩论记录做三分类"]
    end
    E --> F["双阈值自适应早停控制器<br/>算 s=p(STOP)−p(CONT)、c=max p(y)"]
    F -->|"s<τ_s 或 c<τ_v：再辩一轮"| C
    F -->|"s≥τ_s 且 c≥τ_v：终止"| G["输出三分类<br/>true / half-true / false"]

关键设计¶

1. 检索锚定的证据共享：让分歧来自推理差异，而非各看各的资料

如果各智能体依赖自己模型内部的知识，结论的差异就分不清是真在比推理，还是单纯信息不对称。RADAR 让所有智能体共享同一个证据池（top-m 检索结果），并要求辩论中的每个论点都引用检索证据、不得诉诸模型内部知识。这样一来不同结论只可能源于对同一份证据的推理差异，而非谁手里多了点料。相比依赖模型内部知识的传统 MAD（multi-agent debate），检索锚定显著提高了透明性和可追溯性，也让框架直接工作在现实的噪声检索设定下，而不是假设有黄金证据。

2. 角色锚定辩论协议：用"政客 vs 科学家"取代正/反方，把找矛盾改成找缺失

传统多智能体辩论用固定的正/反方角色，是冲着"显式矛盾"设计的——可半真半假的病根不是有人说错，而是有人故意没说全，正反对峙根本对不上焦。RADAR 改用一对互补的推理人格：政客 agent 从证据里构建最具说服力的支持叙事，天然倾向确认性推理、倾向选择性呈现；科学家 agent 审查同一份证据里缺失、薄弱或被选择性呈现的部分，天然倾向分析性质疑。辩论按开场陈述→反驳轮→结辩总结推进，法官综合整段辩论记录和证据做三分类判断。妙处在于政客这个角色本身就是半真半假的"制造者"，科学家则是它的"拆穿者"，两者对抗恰好把谎言的生成与检测机制同台演了一遍。

3. 双阈值自适应早停控制器：同时卡"信息够了"和"判断稳了"才收手

辩论轮数多了费算力，停早了又容易在最棘手的半真半假上误判。RADAR 让法官在每轮结束后算两个量：停止边际 \(s = p(\text{STOP}) - p(\text{CONTINUE})\)，以及最大标签置信度 \(c = \max_y p(y)\)。只有当 \(s \geq \tau_s\) 且 \(c \geq \tau_v\) 同时成立时才终止辩论，两个阈值都在开发集上校准。之所以要双阈值而非单阈值，是因为单看停止意愿可能在还没想清楚的不确定案例上过早收手——半真半假恰恰是最不确定的那一类。双阈值把"已经收集到足够信息"和"已经得出高置信判断"这两件事都要求满足，才放行终止。

一个完整示例：一条"减债"声明怎么被拆穿¶

以声明"某政客把国债减少了 15%"为例。检索锚定阶段先拉回 top-m 证据，里面既有"任内末期国债同比下降 15%"的报道，也有一篇提到"任内前期国债曾先上涨约 20%"。辩论开始：政客 agent 抓住前一条，构建出"该政客成功削减国债 15%"的支持叙事；科学家 agent 翻同一证据池，指出叙事完全略过了前期那 20% 的上涨，单看末段下降会严重误导。反驳轮里政客试图强调下降是事实、科学家则反问"为何不提同期净变化"。法官每轮算一次 \(s\) 和 \(c\)：第一轮置信度还不够、\(c<\tau_v\)，继续辩；到科学家点出遗漏、证据齐整后，\(s\geq\tau_s\) 且 \(c\geq\tau_v\) 同时满足，终止辩论，判为 half-true。对照固定正/反方的做法，反方多半只会去否认"减了 15%"这个事实本身（而它是真的），反而判错——这正是角色锚定相对传统 MAD 的价值所在。

损失函数 / 训练策略¶

RADAR 是无监督推理框架，不涉及训练，唯一需要拟合的两个早停阈值 \(\tau_s\)、\(\tau_v\) 在开发集上校准。

实验关键数据¶

主实验¶

在PolitiFact-Hidden基准上（检索证据条件下）：

方法	Accuracy	F1_macro	F1_HalfTrue
FIRE	60.3	46.9	34.1
D2D (MAD)	63.0	50.9	39.7
RADAR_single	58.4	51.0	41.5
RADAR_multi	77.7	63.3	56.5

消融实验¶

配置	Accuracy	说明
黄金证据+RADAR	83.6	完美检索的上限
检索证据+RADAR	77.7	现实条件仍强
无早停	~76	轻微下降但成本增加
固定正反方	~65	角色设计关键

关键发现¶

RADAR在检索条件下比最佳传统方法D2D提升14.7%准确率，尤其在半真半假检测（F1从39.7到56.5）上优势巨大
角色锚定是核心贡献：替换为传统正/反方角色后性能大幅下降，验证了互补推理设计的必要性
自适应早停在不损失性能的情况下平均减少约30%的辩论轮数
在黄金证据和检索证据两种设定下都一致优于基线，说明框架的鲁棒性

亮点与洞察¶

"政客-科学家"角色隐喻非常巧妙：半真半假本身就是政治话语中的常见手法，用模拟这种话语策略的角色来检测它，形成了一种"以彼之道还施彼身"的设计理念。
双阈值早停机制是工程上的实用创新：在推理成本和质量之间取得了好的平衡，对半真半假这种本质上不确定的类别尤其重要。
从"寻找矛盾"转向"发现缺失"的范式转变，为事实验证领域开辟了新方向。

局限与展望¶

仅在政治事实验证数据集上测试，其他领域（科学、医疗）的半真半假检测有待验证
角色设计虽然有效但依赖手工定义的提示模板，可能限制了泛化性
检索质量仍是性能瓶颈——黄金证据和检索证据之间约6%的差距表明改善检索可带来进一步提升
三分类（true/half-true/false）可能过于粗糙，真实的半真半假程度应该是连续的

评分¶

新颖性: ⭐⭐⭐⭐⭐ 角色锚定+遗漏推理的新范式
实验充分度: ⭐⭐⭐⭐ 多基线对比+消融+效率分析
写作质量: ⭐⭐⭐⭐⭐ 动机清晰，角色设计直觉明了
价值: ⭐⭐⭐⭐⭐ 填补了半真半假检测的重要空白