摘要
针对生成式引擎优化（GEO）投毒导致的虚假信息传播及大模型推理污染问题，本文提出“证据树”（ToE）框架。该框架将事实验证建模为动态扩展的论证树，整合强化学习驱动的多源检索代理、证据评估代理及树聚合算法，通过可解释的证据链迭代分解并验证主张。理论分析推导了检索过程的误差界，保证策略收敛。实验表明，ToE 在多个数据集上显著优于基线，尤其在对抗性投毒输入下表现突出。
AI 推荐理由
论文提出分层证据推理框架，核心在于通过动态树结构增强 LLM 的事实验证与逻辑推理能力。
研究机构
网络空间科学与技术学院，北京理工大学
论文信息