Co-FactChecker：人机协作的事实核查新范式

本文介绍Co-FactChecker框架，通过将模型思维痕迹作为共享草稿本，把专家反馈转化为痕迹编辑，实现更高效的人机协作事实核查，显著优于传统对话式交互。该框架解决了现有方法的上下文膨胀、反馈歧义、推理定位难等问题，结合模型处理能力与专家判断力，提升核查准确性与效率。

信息爆炸时代虚假信息传播快，专业核查耗时耗力，LLMs/LRMs缺乏真实世界grounding。传统对话式人机协作存在三大问题：对话历史膨胀增加认知负担、自然语言反馈歧义、难以精准定位需修改的推理步骤，催生了Co-FactChecker的研究。

Co-FactChecker的核心创新是将模型思维痕迹作为共享草稿本，显式展开推理过程（每步推理、假设、证据引用可视化）。引入痕迹编辑机制：专家可直接插入/删除/修改思维痕迹中的步骤，精准无歧义。理论上，痕迹编辑比对话式信息传递效率更高，减少噪声与歧义，保持推理历史完整性与可追溯性。

自动评估显示，该框架在多个基准数据集上超越全自动及传统人机协作方法：推理链条更严谨、证据引用更准确、判决与人工标注一致性更高，且交互轮次更少。人工评估中专家偏好该框架，认为其可解释性高、控制感强、效率更好，生成的思维痕迹还可作为培训或审计材料。

应用场景包括新闻核查（快速验证突发新闻）、学术研究（跨学科文献主张验证）、企业合规（审查营销/法律文件）、教育训练（培养批判性思维）。对AI设计的启示：可解释性是协作基础，结构化反馈优于自然语言反馈，人机协作优于全自动化。

当前局限：聚焦文本类声明，未覆盖多媒体内容；痕迹编辑对非专业用户有学习曲线；仅处理单条声明，未涉及关联论证网络。未来方向：扩展至多模态场景、优化用户友好界面、处理复杂论证网络。

Co-FactChecker克服传统对话式交互局限，是人机协作事实核查的重要进展。在虚假信息猖獗的今天，其技术方案结合人类判断力与AI能力，为构建可信信息环境贡献力量。随着大模型与交互技术进步，该系统未来将发挥更重要作用。