互聯網上的虛假資訊對社會及個人構成嚴重威脅，如何有效打擊假新聞成為學術界與科技界關注的重要課題。來自墨爾本大學、澳洲聯邦科學與工業研究組織Data61，以及哈利法大學人工智能研究院的研究團隊，日前共同發表一項創新研究，開發出一套名為「WKGFC」的事實查核框架，結合知識圖譜與網絡檢索技術，有效提升資訊驗證的準確性。
研究背景顯示，傳統的事實查核方法主要依賴語義分析、傳播模式及用戶活動上下文進行模式識別。然而，這類方法高度依賴訓練數據分佈，往往難以遷移至新領域，面對不斷演變的虛假資訊主題及語言風格時，表現會大幅下降。
近年來，檢索增強生成技術（RAG）的出現為事實查核帶來新方向。該技術利用大型語言模型的推理能力，配合檢索到的外部證據文件進行驗證。不過，現有方法主要依賴文字相似度進行證據檢索，難以捕捉文件中豐富的多跳語義關係，導致檢索結果忽略聲明與證據之間的微妙事實關聯，造成驗證結果出現偏差。
針對上述問題，WKGFC框架採用知識圖譜作為核心證據資源。系統首先利用大型語言模型評估待驗證聲明，檢索最具相關性的知識子圖，形成結構化證據以供事實核查。為進一步補充知識圖譜的不足，系統同時檢索網頁內容作為輔助資料。
整個過程以自動馬爾可夫決策過程（MDP）實現。推理智能代理根據當前證據及待驗證聲明，自主決定應採取何種行動。為使MDP更適用於事實核查任務，研究團隊透過提示詞優化對代理語言模型進行微調。
研究人員在三類數據集上進行廣泛實驗，包括維基百科、網站及文章摘要。實驗結果顯示，WKGFC在平衡準確率指標上，較多個先進的事實核查方法提升超過5個百分點，印證以知識為核心的證據檢索在開放式事實核查場景中的有效性。
這項研究由墨爾本大學博士生龔書智主導，該校教授Richard Sinnott及戚建中共同參與，獲得SIGIR 2026會議錄用。研究團隊指出，框架的創新之處在於能動性地整合結構化知識圖譜與非結構化網絡資訊，在單一推理範式下進行事實核查。
專家分析認為，隨著虛假資訊傳播速度加快、管道日趨多元，具備跨來源檢索及推理能力的自動化核查系統需求日益殷切。WKGFC框架的出現，為應對互聯網資訊可信度挑戰提供了一個值得關注的新方案。
