多估计诱导未能一致消除大语言模型判断偏差

研究表明，在单次回复中诱导5个加权估计的多估计诱导方法未能一致消除大语言模型的判断偏差。该研究在锚定、事后聪明、基准概率、合取及现状任务中评估了 gpt-6.1-sol、claude-sonnet-5.5 与 Qwen3-8B（禁用推理）。在23项预注册确认性测试中，经 Holm 校正仅6项被拒绝且点估计均低于预设最小效应量。