文章主要内容和创新点主要内容本文提出了一种名为MArgE的框架，旨在通过整合多个大型语言模型（LLMs）的论证证据，实现可证明的主张验证（claim verification）。该框架的核心是将多个LLM生成的证据转化为结构化的论证树（argument tree），并利用计算论证（computational argumentation）的语义规则传播论证强度，最终基于整合后的论证强度判断主张的真伪。实验结果表明，MArgE在三个主张验证数据集（TruthfulClaim、StrategyClaim、MedClaim）上的性能显著优于单个LLM（包括开源模型和GPT-4o-mini）、现有论证性LLM（ArgLLMs）以及非结构化的多LLM辩论方法，同时保证了决策过程的透明度和可解释性。创新点结构化证据整合：将多个LLM的输出转化为结构化的论证树（支持或攻击主张的论证），替代非结构化的自由辩论或投票，解决了传统多LLM方法决策过程不透明的问题。论证性推理机制：基于计算论证理论（如定量双极论证框架QBAF），通过渐进语义（如DF-QUAD）传播论证强度，确保最终决策基于明确的逻辑规则，而非模糊的模型聚合。外部评分机制：使用独立的LLM（如GPT-4o-mini）对论证质量进行评分，避免生成模型的自偏误，增强论证强度的客观性。高可解释性：论