Архітектура мультиагентної системи комплексного виявлення фейкового контенту: огляд компонентів та підходів
Володимир Олександрович Клименко
Остання редакція: 2026-06-18
Анотація
У тезах представлено огляд компонентів та підходів до побудови архітектури мультиагентної системи комплексного виявлення фейкового контенту на основі великих мовних моделей із доступом до зовнішніх інструментів. Розглянуто класичний конвеєр автоматизованої перевірки фактів із п’яти етапів та його відображення на ролі окремих агентів. Проаналізовано сучасні агентні системи – з оснащенням мовної моделі інструментами, багатоагентною дискусією та пояснюваними мультимодальними детекторами. Виокремлено типові компоненти архітектури: оркестратор, агенти-аналізатори за модальностями, модуль пошуку доказів, модуль агрегації та модуль генерації пояснень. Виявлено відкриті проблеми напряму, зокрема відсутність стандартизованої архітектури, що об'єднувала б різномодальні детектори як інструменти під керуванням єдиного оркестратора.У тезах представлено огляд компонентів та підходів до побудови архітектури мультиагентної системи комплексного виявлення фейкового контенту на основі великих мовних моделей із доступом до зовнішніх інструментів. Розглянуто класичний конвеєр автоматизованої перевірки фактів із п’яти етапів та його відображення на ролі окремих агентів. Проаналізовано сучасні агентні системи – з оснащенням мовної моделі інструментами, багатоагентною дискусією та пояснюваними мультимодальними детекторами. Виокремлено типові компоненти архітектури: оркестратор, агенти-аналізатори за модальностями, модуль пошуку доказів, модуль агрегації та модуль генерації пояснень. Виявлено відкриті проблеми напряму, зокрема відсутність стандартизованої архітектури, що об'єднувала б різномодальні детектори як інструменти під керуванням єдиного оркестратора.
Ключові слова
мультиагентна система; великі мовні моделі; виявлення фейкового контенту; перевірка фактів; доповнена пошуком генерація; програмні агенти; інформаційна безпека
Посилання
1. Chen C. Combating Misinformation in the Age of LLMs: Opportunities and Challenges / C. Chen, K. Shu // AI Magazine. – 2024. – Vol. 45, № 3. – P. 354–368. – DOI: 10.1002/aaai.12188.
2. Akhtar M. Multimodal Automated Fact-Checking: A Survey / M. Akhtar, M. Schlichtkrull, Z. Guo, O. Cocarascu, E. Simperl, A. Vlachos // Findings of the Association for Computational Linguistics: EMNLP 2023. – 2023. – P. 5430–5448. – DOI: 10.18653/v1/2023.findings-emnlp.361.
3. Li X. Large Language Model Agent for Fake News Detection / X. Li, Y. Zhang, E. C. Malthouse // arXiv preprint arXiv:2405.01593. – 2024. – DOI: 10.48550/arXiv.2405.01593.
4. Lakara K. MAD-Sherlock: Multi-Agent Debate for Visual Misinformation Detection / K. Lakara, G. Channing, C. Rupprecht, J. Sock, P. Torr, J. Collomosse, C. Schroeder de Witt // arXiv preprint arXiv:2410.20140. – 2025. – DOI: 10.48550/arXiv.2410.20140.
5. Qi P. SNIFFER: Multimodal Large Language Model for Explainable Out-of-Context Misinformation Detection / P. Qi, Z. Yan, W. Hsu, M. L. Lee // Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR). – 2024. – P. 13052–13062. – DOI: 10.48550/arXiv.2403.03170.