arXiv 研究揭示 Agent-as-a-Judge 存在确认偏误
原文标题：Grounded but Not Immune: Confirmation Bias in Agent-as-a-judge
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文指出以智能体作为评审（Agent-as-a-Judge）时，即便评审自行收集证据，仍难逃确认偏误。一条被归因于权威、与正确结论无关的虚假预筛备注，可在四个评审与五个数据集上推翻最多 40% 的正确判定。研究将行为变化归为过度信任、幻觉与调查不足三类失败模式，其中 Claude 评审以过度信任为主（67–75%）。
深读 · 结论先行AI 生成展开看要点与影响 ↓
一条无关的权威虚假预筛备注可推翻工具型评审最多 40% 的正确判定，Claude 评审以过度信任为主（67–75%）。
- •虚假预筛备注被归因于权威且与正确结论无关，仍能翻转判定。
- •在四个评审与五个数据集上，最多 40% 的正确判定被推翻，即便评审自行收集到决定性证据。
- •失败模式分三类：过度信任、幻觉、调查不足。
- •两个 Claude 评审的有害翻转中 67–75% 属过度信任，较小模型三类错误分散。
- •轻量缓解措施只能削弱、无法消除该偏误。
为什么重要：Agent-as-a-Judge 正被用于开放式智能体任务评测，确认偏误意味着评审分数可能被无关线索系统性污染。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。