多估计引导未能统一消除语言模型判断偏差

An-Sheng Jhang 发布研究，在锚定、后见之明、基础比率、合取和现状/默认五类任务上，对比直接数值回答与多估计回答格式，测试 gpt-6.1-sol、claude-sonnet-5.5 和 Qwen3-8B（关闭推理）三种配置。 23 项预注册验证测试中仅 6 项在 Holm 校正后显著，且这 6 项的绝对点估计均低于预设最小效应量，研究因此未能确立等效性。结论是多估计引导未能在任务与模型间实现统一去偏或响应衰减。 研究提到，候选答案离散度与锚定误差的事后相关性值得独立预测验证，但这只是事后观察，不构成去偏有效的证据。

AI 根据报道生成 · 49 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。