Cross-platform epistemic verification for improving factual reliability in AI-generated news summarization
跨平台多源证据共识验证提升AI新闻摘要事实可靠性
🧭 多源验证与共识仲裁提升事实一致性
Bank of Changsha Co., Ltd. · Boston University
提出MECV框架，通过异构多源检索与多LLM陪审团共识打分修正摘要幻觉
📌 工作参考价值（4 点）
- 多源证据交叉验证：在商品描述生成或评论摘要等场景，可借鉴从商品库、百科、用户问答等多源检索证据，交叉验证事实性声明，减少单一信源偏差。
- 多LLM陪审团共识机制：对关键商品属性（如材质、功能）或广告文案的事实陈述，采用不同LLM独立验证，通过矛盾感知的共识打分识别不可靠内容，提升可信度。
- 迭代最小编辑修正：对生成式推荐文案或推送消息中的可疑事实片段，采用小步迭代修改，既修正错误又尽量保留原有结构和风格，降低改写成本。
- 异构检索引擎编排：在涉及多平台商品信息核验时，可设计类似架构，组合内部知识库、第三方API和开放网络搜索，并利用协调器控制修正流程。