人类在辩论中修正判断，但较弱AI模型未获收益

研究发现，辩论能提升人类判断者相对于先验信念的准确率，但单一专家咨询基线无法实现此效果。 研究测试了包括加权投票在内的多种多评委协议。加权投票为人类监督者带来最高准确率，而LLM在所有设置中均未显著改善群体准确率。 该结果支持辩论作为可扩展人类监督的路径，但引发对高风险场景下完全自动化训练与控制的担忧。