开发者修复AI法庭投票同质化缺陷

一名独立开发者用18个大语言模型“法官”压测机构决策，发现全票一致并非共识，而是评委共享指令、模型和社交媒体材料所致；Reddit相关内容还曾让同一问题从支持翻转为反对。 他随后分派不同职责、改用三个Claude模型并加入反向评审，同时禁止把社交媒体当作证据、要求附原文引用。修改后判决分化为5比1、2比4和0比6；作者称结果仅来自少量会话，不能视为正式基准测试，并公开了两份完整决策记录。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。