Agentic News Verifier：Meta黑客松获奖项目的多步推理事实核查机制

Agentic News Verifier是Meta PyTorch黑客松与Scaler技术学院联合活动的获奖项目，基于OpenAI Gym风格环境设计智能体事实核查系统。核心设计理念为让AI像人类事实核查员一样先主动搜索证据再形成结论，通过奖励机制激励该行为，有效降低模型幻觉并提升准确性。技术栈涵盖FastAPI、Docker、Qwen2.5-72B等，支持强化学习框架集成与容器化部署。

信息爆炸时代虚假新闻传播速度超真相，传统规则式核查难以应对复杂环境，单纯依赖大语言模型易产生幻觉。本项目为此背景下诞生，旨在通过多步推理流程（先搜索证据再判断）提升核查准确性并降低幻觉风险，服务于Meta PyTorch黑客松与Scaler联合活动。

采用模块化架构，核心组件包括：

1. 环境引擎：类似OpenAI Gym环境，维护新闻数据库与渐进式奖励逻辑，鼓励合理核查策略；
2. FastAPI后端：提供符合OpenEnv规范的RESTful API（/reset重置状态、/step执行动作），支持强化学习框架集成；
3. Docker部署：完整配置支持一键部署，确保环境一致性与结果可复现。

精心设计的奖励结构引导智能体行为：

• 搜索动作：+0.15奖励，鼓励先调查后结论；
• 正确验证：+0.95奖励（满足Meta评估(0,1)区间要求）；
• 错误验证：+0.05奖励（避免严厉惩罚）；
• 默认步骤：+0.05基础奖励，保持交互动力。 设计体现强化学习正向激励原理，引导理性核查模式。

多任务评估：内置3套独立任务（task-1至task-3），涵盖捏造标题、断章取义、误导性数据等虚假信息类型，确保评估全面性与鲁棒性； 技术选型：FastAPI（高性能异步API）、Pydantic（数据验证）、Docker（容器化）、Qwen2.5-72B（底层大语言模型）。

本地测试：克隆仓库→安装依赖（pip install fastapi uvicorn pydantic）→启动服务（python -m uvicorn server.app:app --host 0.0.0.0 --port 7860）； 生产部署：通过Docker镜像构建，支持Hugging Face Spaces、AWS、GCP等平台运行。

社会价值：可作为人类核查员助手提升效率，或集成到社交媒体提供即时核查； 研究价值：为AI安全与对齐研究提供实验平台，支持测试奖励设计、推理策略与模型表现； 启示：证明合理激励机制可引导AI形成理性可靠行为，为AI应用开发提供参考。