この記事では、知識グラフと大規模言語モデル（LLMs）、リアルタイム検索エージェントを統合したハイブリッドファクトチェック手法を紹介しています。LLMsは流暢な発言を生成する一方、信頼性のある情報に基づく能力には限界があります。一方で、知識グラフベースのファクトチェッカーは正確で解釈可能な証拠を提供するものの、カバレッジや応答速度に欠ける場合があります。本システムは、迅速な検索、タスク特化型の分類、そしてカバレッジ不足時のウェブ検索を組み合わせた3つの自律的なステップから構成されています。このプロセスは、FEVERベンチマークにおいてF1スコア0.93を達成し、特に「情報不足」とされていたケースでも有効な証拠を見つけ出すことが可能であることを示しています。最終的に、この論文では、オープンソースのファクトチェックパイプラインを提案し、さまざまなデータセットにおける一般化能力も示されています。