多智能体记忆高效推理框架：基于仇恨类别的证据型反驳生成

arXiv 发布论文，提出 FIRE 多智能体框架，将仇恨言论先分为五类（misinformation、stereotype、conspiracy、dehumanizing、non-factual），再匹配对应的反驳风格。研究还构建了包含4784个实例的 FactualCS 数据集。实验显示，相比最强基线，FIRE 在事实准确性和类别准确性上分别提升约12%和11%，毒性降低约11%，且使用小于2B的紧凑智能体。

此前自动生成反驳（counterspeech）的研究主要关注风格控制，将仇恨言论视为同质，忽略了不同类型需要不同的反驳策略。FIRE 首次将仇恨言论细分为五类并映射到针对性反驳风格，显著提升了生成质量和安全性，为现实部署提供了更有效的方案。

FIRE 框架通过多智能体协作，先对仇恨言论进行类别分解，再基于 FactualCS 数据集中的推理轨迹和证据映射，生成有事实依据的反驳。这种先分类后匹配的机制，使得反驳策略能针对不同滥用形式，从而提升准确性和降低毒性。

对内容审核和社区管理产品而言，FIRE 提供了一种可集成、低参数（<2B）的自动反驳生成方案，能提升回复的事实准确性和安全性，减少人工干预成本。但其依赖标注数据集 FactualCS，在真实场景中需考虑数据覆盖和分类准确性问题。

• 将 FIRE 集成到社交平台或论坛的回复建议功能中，自动生成基于证据的反驳内容。
• 基于 FactualCS 数据集的思路，构建针对不同仇恨类别的专用标注数据集，提升模型泛化能力。
• 利用 FIRE 的紧凑智能体特性，在移动端或低算力环境中部署实时仇恨言论回应服务。

• FIRE 在非英语或多样化文化语境下的表现未知。
• FactualCS 数据集仅包含4784个实例，规模较小，可能影响模型泛化性。
• 论文宣称的改进是否能在独立第三方评估中复现。