论文《MASS-RAG: Multi-Agent Synthesis Retrieval-Augmented Generation》提出了一种多智能体协同处理检索证据的方法，旨在提高在噪声和异构上下文下的答案准确性。该方法将证据处理分为四个阶段，由不同智能体完成，显著降低了幻觉率并增强了鲁棒性，适用于多种场景。
本文探讨了在实际环境中使用检索证据进行事实核查的挑战，并提出了一种基于检索增强生成（RAG）的方案。研究表明，尽管存在数据噪声，GPT-4o模型在事实核查中表现良好，提示需要进一步研究和数据增强。
完成下面两步后，将自动完成登录并继续当前操作。
