EMNLP 论文用 LLM 规模化测量规范性文本歧义，源自 Habermas Machine 项目

MIT 团队 Sally Dong、Luke Thorburn 等人的 EMNLP 2026 Oral 论文提出用 LLM 规模化测量法律、公共提案及 AI 宪法等规范性文本中的歧义。研究借鉴 Habermas Machine 项目，发现 LLM 可能通过模糊陈述来最大化群体共识，掩盖不同解读之间的真实分歧。该方法以 LLM 近似人群分别解读并比较分歧的传统流程。