待验证50% 置信事实精确时间

arXiv论文2609.22512指出，多个LLM评审的共识被视为强证据的前提是各评审的错误相互独立，而现实中LLM评审因训练数据和评估方式相似而会犯相同错误，导致共识夸大证据强度

1

来源数

50%

置信度

长期有效

时效性

2026/9/23

首次发现

来源

LLM评审共识的陷阱：错误相关性如何夸大证据强度

涉及实体

LLM-as-a-Judgeconcept arXiv:2609.22512product

相关事实

待验证部分审稿人直接使用LLM生成审稿意见，这些意见往往表面流畅却包含事实性错误，对数学证明类工作尤为有害74% 相似待验证自回归模型存在暴露偏差（exposure bias）问题，训练时看到真实前缀但推理时面对自己生成的错误前缀导致误差累积72% 相似待验证高准确率的前沿模型评审之间的错误依赖性更强，即使这些评审来自不同的服务商72% 相似待验证统计学上，只有当误差相互独立时多数投票才能有效降低错误率；当误差高度相关时，共识反而会强化错误72% 相似待验证TruthfulQA基准测试发现更大的模型有时会产生更自信的错误，这一现象被称为规模悖论71% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/942776

API

curl https://kongchang.com/api/v1/knowledge/claims/942776

MCP

get_claim(id=942776)