تستند أنظمة التحقق من الحقائق عادةً على فئات الشبكات العصبية للتنبؤ بالصدق، والتي تفتقر إلى القدرة على التفسير. يقترح هذا البحث نموذج ProoFVer الذي يستخدم نموذجًا من نوع seq2seq لإنتاج استنتاجات مبنية على المنطق الطبيعي كإثباتات. تتكون هذه الإثباتات من تحولات لغوية بين المقاطع في الادعاء والدليل المستند إليه، مع تحديد كل عملية بعامل منطق طبيعي. ويُحدَّد صدق الادعاء بشكل حصري بناءً على التسلسل الخاص بهذه العوامل. وبالتالي، تكون هذه الإثباتات تفسيرات واقعية، مما يجعل ProoFVer مُطابقًا للتفسيرات من الناحية البناءية. حاليًا، يحتل ProoFVer أعلى دقة في التصنيف، والمركز الثاني من حيث الدرجة في قائمة التصنيف FEVER. علاوةً على ذلك، يتحسن بنسبة 13.21 نقطة مئوية مقارنة بالنموذج الأفضل في مجموعة بيانات تحتوي على حالات وهمية (counterfactual instances)، ما يُظهر قوته المتميزة. وبالنسبة للتفسيرات، تُظهر الإثباتات تداخلًا أفضل مع التبريرات البشرية مقارنة بHighlighted attention، كما أن الإثباتات تساعد البشر على التنبؤ بقرارات النموذج بشكل صحيح أكثر من استخدام الدليل مباشرة.