Multi-Agent RAG: защита от дезинформации через внешние источники и роли

Парадокс: LLM «знает» миллиарды фактов, но в детекции дезинформации работает чуть лучше монетки — 53% точности. Оберни ложное утверждение в тест с вариантами ответов, попроси перевести или суммаризировать — модель в 97-100% случаев не замечает обман и послушно выполняет инструкцию. Метод Multi-Agent RAG позволяет проверять факты с точностью 99.76% даже против adversarial атак (переформатирование, перевод, суммаризация). Фишка: модель не опирается на внутренние «знания» — она ищет похожие утверждения в базе проверенных фейков, затем сравнивает исходный текст с найденным. Четыре агента работают вместе: извлекают контент с сайта (web crawler), координируют процесс (manager), проверяют через RAG (misinformation detector), контролируют согласованность (judge). Результат: 95-99% точности на шести языках против атак, которые обманывают базовую модель почти всегда.