从裁决到过程：用于多阶段事实核查的代理强化学习

近期结合大语言模型与检索增强推理的方法在自动事实核查中展现出潜力。然而，现有方法通常孤立优化各阶段或依赖固定启发式规则，限制了阶段间的自适应协调。本文提出 ProFact，一种用于多阶段事实核查轨迹端到端优化的代理强化学习框架。ProFact 训练统一策略以协调主张分解、证据搜集、答案生成及裁决预测。针对最终真实性标签提供的稀疏和延迟监督问题，该框架引入过程感知奖励，为验证过程的各个阶段提供学习信号。实验表明，ProFact 在核查性能和推理效率上均显著优于强基线方法。