独立开发者用 18 个 LLM 法官压测决策，发现一致投票源自设计缺陷

一位独立开发者用 18 个 LLM 法官构建 AI 法庭压测机构决策，发现全票一致源于评委同指令、同模型，Reddit 帖子还曾使同一问题从支持翻转为反对。修复方案包括分配不同职责、分散到三个 Claude 模型、安排反向评审，并禁止社交媒体作为证据、要求附原文引用。修改后判决出现 5-1、2-4、0-6 的分化，作者也说明这些结果仅来自少量会话而非 benchmark，并公开了两份完整决策记录。