社交媒体的事实核查长期面临证据层面和聚合层面的冲突——错误证据常伪装成权威新闻来源。为捕捉这一挑战并支持冲突验证任务，我们构建了 ContraNote 数据集，来源于 X 的 Community Notes 系统。数据集包含 33,686 条用于评估证据层面冲突消解的帖子，以及 54,474 条用于评估聚合层面优先级排序的实例。
我们提出 CoVer 框架，采用三阶段流水线：
- 证据模式标准化，将不同来源的证据映射到统一结构；
- 事实共识构建，利用多数投票或置信度聚合生成初步结论；
- 支持验证，检查共识是否被高质量证据充分支撑，从而抑制噪声对最终裁决的影响。
在 ContraNote 上的实验表明，CoVer 在冲突消解任务上取得 86.0% 准确率、68.0% 宏观 F1、64.5% 平衡准确率；在优先级排序任务上达到 88.5% 准确率、88.5% 宏观 F1、89.2% 平衡准确率。对比 CONFACT-HumC（88.4% 准确率）和 CONFACT-ModC（89.4% 准确率），CoVer 同样保持领先。
点评：CoVer 通过结构化证据处理和多层次共识机制，有效缓解了社交平台上误导性信息的冲突传播，为自动化事实核查提供了可扩展的技术路径。