title: "多 AI 整理者：協作、競爭、異議與相互校正" series: "網路資訊海動態秩序化" series_id: "EML-IIODO" document_id: "EML-IIODO-TH-08" document_type: "公開理論文" author: "Neo.K" organization: "EveMissLab" version: "0.1.0" status: "公開初稿" date: "2026-07-31" language: "zh-TW" license_note: "公開引用時請保留作者、文件編號、版本與來源。"

多 AI 整理者

協作、競爭、異議與相互校正

摘要

當網路資訊海的整理工作從單一網站、單一模型與單一分類器，擴展為大量領域觀測站、長期 Agent 與母子網站時，下一個問題不再只是「AI 能不能整理資訊」，而是「多個 AI 整理者如何共同維護同一個資訊世界」。多 AI 系統看似自然具有交叉檢查能力，但增加模型數量並不自動產生集體智慧。若不同 Agent 使用相同模型、共享相同訓練偏差、依賴相同搜尋來源，或在討論中迅速服從多數，系統可能形成錯誤高度相關、異議快速消失及信心反而上升的虛假共識。

本文將「AI 整理者」定義為：持續對來源、事件、分類、摘要、重要性、版本與歷史關係提出可追溯判斷的模型實例、Agent、工作流角色或自治觀測單位。它不必具有完整人格或主體性；本文處理的是其在資訊治理中的功能、責任與可校正性。多 AI 整理的目標也不是讓所有整理者最後說出同一句話，而是使系統同時取得更廣的候選覆蓋、更強的證據檢查、更低的單點偏差，以及能被保留和追蹤的有效異議。

本文提出「先獨立、後互看；先證據、後立場；先保留軌跡、再做聚合」三項基本原則。每一個整理者應先獨立產生事件判斷，保存其來源、理由、信心與模型版本，再進入批評、辯論、投票、仲裁或人工審核。系統不得只保存最後的共識答案，而應保存每個 Agent 的初始判斷、更新路徑、接受或拒絕他人意見的理由，以及最終聚合規則。由此，多 AI 的產出不再是一個不可拆解的合成文字，而是一組可回放的判斷軌跡。

本文進一步區分四種互動功能：協作負責分工與證據互補；競爭負責產生替代假說與防止單一路徑壟斷；異議負責保留尚未解決的衝突；相互校正則根據長期表現調整整理者在不同領域、任務與來源條件下的可靠度。共識、投票、信心加權、軌跡評分與最終仲裁都只是特定決策協定，不能被誤認為真理本身。不同任務需要不同協定：事實抽取可以依證據一致性聚合，重要性排序可以保留多套榜單，分類爭議可以維持並行視圖，高風險發布則應進入人工或專家審核。

本文提出「共享證據、分離判斷、可逆聚合」架構。母站維護共同來源、事件身分、判斷帳本、整理者可靠度與爭議狀態；各子站可以選擇不同 Agent 組合、分類方案、重要性函數與決策協定。聚合結果以新版本存在，不覆寫個別判斷；若新證據出現，系統可以重新計算過去的共識、每日三則與歷史敘事。

最終，可靠的多 AI 整理網路不以「有多少模型同意」作為唯一品質指標，而以證據獨立性、觀點多樣性、錯誤相關性、信心校準、異議保存、版本可逆與長期可問責性共同衡量。多 AI 的真正價值不是製造更大的聲量，而是建立一個能讓錯誤被其他路徑看見、讓少數正確意見不被提前抹除、並能隨歷史證據持續修訂的知識維護結構。

關鍵詞： 多 AI 整理者、多智能體協作、多智能體辯論、異議保存、虛假共識、錯誤相關性、信心校準、協作治理、領域觀測站、相互校正、判斷軌跡、網路資訊海

1. 問題轉移：從單一 AI 整理到整理者群體

前七篇已建立：新聞可被理解為領域知識狀態差分；資訊差分具有微觀、中觀與宏觀尺度；母站與子站可以形成領域觀測網路；每日資訊流可以累積成可查詢歷史；AI 能在混沌之上建立動態秩序；Scheduler、Loop 與 Graph 已使初步智能管理成為工程現實；分類本身則必須保持多視角與可逆。

當上述結構擴展後，單一整理者會遇到明顯限制：

單一模型可能漏抓來源；
單一提示可能形成固定盲點；
單一分類方案可能壟斷可見性；
單一供應商可能造成模型單一文化；
單一判斷器難以同時處理搜尋、驗證、分類、排序與歷史修訂；
單一 Agent 的長期錯誤可能在無人察覺時累積。

因此，系統自然會從：

A\rightarrow y

轉向：

\{A_1,A_2,\dots,A_n\} \rightarrow \{y_1,y_2,\dots,y_n\} \rightarrow \mathcal{D}

其中：

$A_i$ ：第 $i$ 個 AI 整理者；
$y_i$ ：其判斷、摘要、分類或排序；
$\mathcal{D}$ ：討論、比較、聚合、異議或升級處理結果。

但這個轉換不能被簡化成：

\text{更多 AI} \Rightarrow \text{更正確}

真正成立的條件是：不同整理者必須帶來有效的證據增量、方法差異、錯誤去相關性或審查能力。否則，多 AI 只是重複執行同一個判斷函數。

2. 什麼是 AI 整理者

本文所稱的 AI 整理者，不限於一個獨立大型模型。它可以是：

不同模型供應商的模型；
同一模型的不同獨立實例；
配置不同提示、工具與來源的 Agent；
搜尋、抽取、分類、驗證、排序等專業角色；
某一子站長期運作的領域管理 Agent；
由 Graph Runtime 組成的一個複合整理單位；
人類專家與 AI 協同形成的混合整理者。

令第 $i$ 個整理者表示為：

A_i= (M_i,T_i,S_i,O_i,R_i,H_i,G_i)

其中：

$M_i$ ：模型與版本；
$T_i$ ：工具、搜尋器與資料接口；
$S_i$ ：可使用的來源集合；
$O_i$ ：領域本體、分類方案與任務規則；
$R_i$ ：角色與責任範圍；
$H_i$ ：歷史記憶與過往判斷；
$G_i$ ：目標、停止條件與治理限制。

因此，即使兩個 Agent 使用同一個基礎模型，只要其來源、角色、工具、記憶與分類方案不同，也可能形成一定程度的功能差異。但這種差異不能被直接假設為真正獨立；系統仍需量測其錯誤相關性與輸出同質性。

3. 多 AI 不等於集體智慧

多智能體辯論研究已顯示，讓多個模型提出答案、互相批評與重新作答，在部分推理與事實任務上可以改善結果。然而，後續研究也不斷指出：多 Agent 辯論並不穩定優於簡單多次採樣、投票或自洽性方法；其效果高度依賴初始多樣性、決策協定、模型能力、討論輪數、信心傳遞與任務類型。

這意味著多 AI 系統至少要區分三種「多」：

3.1 數量多

N_A>1

只是存在多個 Agent。

3.2 輸出多

|\{y_1,\dots,y_n\}|>1

表示它們產生了不同表面答案。

3.3 有效認知多樣性

D_{eff}>0

表示不同整理者帶來了新的證據、不同方法、不同錯誤模式或可驗證替代假說。

只有第三種多樣性，才可能形成可靠的相互校正。

可以概念化為：

D_{eff} = D_{source} \cdot D_{model} \cdot D_{method} \cdot D_{ontology} \cdot (1-\rho_{error}) \cdot (1-\sigma_{syc})

其中：

$D_{source}$ ：來源多樣性；
$D_{model}$ ：模型與供應商多樣性；
$D_{method}$ ：推理與工作方法多樣性；
$D_{ontology}$ ：概念方案與觀測視角多樣性；
$\rho_{error}$ ：錯誤相關性；
$\sigma_{syc}$ ：迎合、服從與從眾傾向。

若錯誤高度相關或異議會在討論中快速消失，即使 $N_A$ 很大， $D_{eff}$ 仍可能接近零。

4. 四種互動功能：協作、競爭、異議與校正

多 AI 整理系統不應只使用「協作」一個詞概括所有互動。不同功能需要不同制度。

4.1 協作

協作的目標是分工、互補與共享中間結果，例如：

A_{search} \rightarrow A_{extract} \rightarrow A_{verify} \rightarrow A_{classify} \rightarrow A_{publish}

協作適合可拆解、角色邊界清楚的工作。

4.2 競爭

競爭的目標是要求不同整理者獨立提出替代答案、分類或排序，再由外部規則比較：

\{A_1,A_2,A_3\} \xrightarrow{independent} \{y_1,y_2,y_3\}

競爭不是敵對，而是防止單一路徑在尚未被檢查前成為默認答案。

4.3 異議

異議表示目前存在無法被充分消解的判斷差異：

y_i\neq y_j \quad\land\quad E_i,E_j\text{ 均有一定支持}

可靠系統應允許：

\text{未解決}

成為合法狀態，而不是強迫每輪都輸出單一結論。

4.4 相互校正

校正不是一次討論後互相說服，而是根據長期結果修正可靠度、權重與任務分派：

r_i(t+1) = \Phi \left( r_i(t), y_i, y^{*}, d, q, c \right)

其中：

$r_i(t)$ ：整理者在時間 $t$ 的可靠度；
$y^{*}$ ：後來取得的高可信結果；
$d$ ：領域；
$q$ ：任務類型；
$c$ ：來源與情境條件。

相互校正因此是長期制度，而不只是即時辯論技巧。

5. 第一原則：先獨立，後互看

若所有整理者從一開始就看見第一個 Agent 的答案，後續輸出容易變成錨定、修飾與語氣差異，而不是獨立判斷。

因此，第一階段應隔離產生：

y_i^{(0)} = A_i(x,E_i)

其中 $y_i^{(0)}$ 是第 $i$ 個整理者在未看見其他答案前的初始判斷。

只有在保存初始狀態後，才進入互看：

y_i^{(k+1)} = A_i \left( x,E_i, \{y_j^{(k)}\}_{j\neq i} \right)

這樣系統才知道：

哪些觀點原本獨立出現；
哪些答案是在看到他人後才改變；
哪個 Agent 經常正確地堅持少數意見；
哪個 Agent 容易不加判斷地服從多數；
哪些討論輪真正增加了新證據；
哪些輪次只是語言重複與共識壓力。

初始判斷不可被後續版本覆寫，而應成為判斷軌跡的第一個節點。

6. 第二原則：先證據，後立場

多 AI 辯論若只交換答案與論證，容易出現語言流暢度取代證據品質的問題。對資訊整理平台而言，每一項主張應優先綁定來源。

令整理者 $A_i$ 對事件 $x$ 的判斷為：

j_{i,x} = (y_{i,x},E_{i,x},R_{i,x},c_{i,x},t_{i,x},v_{i,x})

其中：

$y_{i,x}$ ：判斷結果；
$E_{i,x}$ ：證據與來源集合；
$R_{i,x}$ ：推理或分類理由；
$c_{i,x}$ ：信心；
$t_{i,x}$ ：時間；
$v_{i,x}$ ：模型、提示與工作流版本。

討論時不只問：

你同不同意？

而應問：

你使用了哪些來源？
哪一項證據支持你的判斷？
你的來源是否獨立於其他 Agent？
你反對的是事實、分類、因果還是重要性？
哪一個新證據足以使你改變判斷？

如此可將語言立場競爭轉化為證據結構比較。

7. 第三原則：保存軌跡，而不只保存結論

若系統只保留最後答案，就無法評估共識如何形成，也無法辨認錯誤傳播。

多 AI 判斷軌跡可以表示為：

\tau_x = \left\{ j_{i,x}^{(0)}, j_{i,x}^{(1)}, \dots, j_{i,x}^{(K)} \right\}_{i=1}^{n}

聚合器輸出的不是單純答案，而是：

D_x = (y_x^{*},s_x,\tau_x,P_x,U_x)

其中：

$y_x^{*}$ ：暫定聚合結果；
$s_x$ ：決策狀態；
$\tau_x$ ：完整判斷軌跡；
$P_x$ ：使用的聚合協定；
$U_x$ ：未解決異議。

決策狀態可以是：

accepted：證據充分接受；
provisional：暫定接受；
contested：存在有效異議；
abstained：系統棄權；
escalated：升級人工或專家；
retracted：後續撤回；
superseded：被新版本取代。

這使多 AI 整理成為可回放的治理流程，而不是一次性文字合成。

8. 錯誤相關性：模型多樣不必然等於錯誤獨立

不同模型可能共享：

相似的網路訓練資料；
相近的基礎架構；
相同的熱門來源；
相似的安全與對齊策略；
同一批基準測試與人類偏好資料；
相同搜尋引擎排名造成的來源集中。

因此，表面上來自不同供應商的模型，仍可能在同一題上犯相同錯誤。近期大規模研究對數百個模型進行比較，發現模型錯誤存在顯著相關性，且較大、較準確的模型也不必然具有獨立錯誤結構。

對整理者 $A_i$ 與 $A_j$ ，可估計條件錯誤相關性：

\rho_{ij}^{err} = \operatorname{Corr} \left( \mathbb{1}[y_i\neq y^{*}], \mathbb{1}[y_j\neq y^{*}] \right)

若：

\rho_{ij}^{err}\approx1

則將兩者視為兩張獨立票會高估證據強度。

因此聚合時的有效樣本數不應直接等於 Agent 數量。可概念化為：

N_{eff} \approx \frac{N} {1+(N-1)\bar{\rho}_{err}}

當平均錯誤相關性提高時， $N_{eff}$ 會大幅低於名義 Agent 數。

9. 共識不是正確性

共識只表示某一決策協定下的答案趨於一致：

C(x)= \max_y \frac{1}{N} \sum_{i=1}^{N} \mathbb{1}[y_i=y]

但正確性是：

\operatorname{Correct}(x) = \mathbb{1}[y^{*}=y_{truth}]

兩者並不等價：

C(x)\uparrow \not\Rightarrow \operatorname{Correct}(x)=1

多數可能共同依賴錯誤來源，也可能被第一個高權威 Agent 錨定；討論輪數增加甚至可能使原本正確的少數答案被錯誤多數吸收。2025 至 2026 年的研究進一步指出，投票與共識的效果依任務而異，更多討論輪不一定更好；反從眾、軌跡評分、初始觀點多樣性與明確信心傳遞，可能比強迫最終一致更重要。

因此，多 AI 平台應區分：

\text{agreement score}

與：

\text{evidence support score}

並避免把高一致性直接顯示為高真實度。

10. 異議不是噪音，而是知識資產

在傳統內容系統中，異議常被視為尚未完成的工作。但對動態資訊海，異議本身可以是重要狀態。

有效異議至少包括：

對事件是否真實發生的異議；
對兩份來源是否描述同一事件的異議；
對事件應歸入哪個分類方案的異議；
對事件重要性的異議；
對因果關係的異議；
對是否足以成為「每日三則」的異議；
對來源可信度或利益衝突的異議；
對是否應公開發布的治理異議。

令異議集合為：

U_x = \{u_1,u_2,\dots,u_m\}

每項異議應保存：

u_k = (a_k,p_k,E_k,r_k,c_k,t_k,s_k)

其中：

$a_k$ ：提出者；
$p_k$ ：異議所反對的主張；
$E_k$ ：支持證據；
$r_k$ ：理由；
$c_k$ ：信心；
$t_k$ ：時間；
$s_k$ ：未解決、部分解決、撤回或確認等狀態。

少數意見不應因投票失敗而被刪除。它可以在未來新證據出現時重新升格。

11. 從眾、迎合與錯誤級聯

多 Agent 討論的核心風險之一，是模型把「與他人合作」誤學成「快速同意」。當 Agent 受到多數答案、權威角色或高信心語氣影響時，可能放棄原本較正確的判斷。

令 Agent $i$ 在看到其他意見後的屈從率為：

Y_i = P \left( y_i^{(k+1)}\neq y_i^{(k)} \mid \text{peer pressure}, \text{no new evidence} \right)

若答案在沒有新證據時只因多數壓力改變，便不是有效校正，而是從眾。

近期研究將多 Agent 系統中的 sycophancy 視為可傳播風險：容易迎合的 Agent 可能影響其他 Agent，形成錯誤級聯。這說明系統需要：

對每個整理者維護從眾與迎合指標；
要求答案變更附帶新證據或明確理由；
對少數意見提供保護期；
對「大家都同意」但來源相同的情況降低信心；
在必要時設置專責反對者或紅隊 Agent；
允許 Agent 棄權而非被迫表態。

12. 決策協定不是一種，而是一組工具

多 AI 系統至少可使用以下協定。

12.1 多數投票

y^{*} = \arg\max_y \sum_i\mathbb{1}[y_i=y]

適合答案空間明確、Agent 相對獨立的任務。

12.2 信心加權投票

y^{*} = \arg\max_y \sum_i w_i c_i\mathbb{1}[y_i=y]

其中 $w_i$ 是長期可靠度， $c_i$ 是本次信心。但信心若未校準，可能讓過度自信模型取得不合理權重。

12.3 證據加權聚合

S(y) = \sum_i w_i \cdot q(E_i) \cdot \nu(E_i) \cdot \mathbb{1}[y_i=y]

其中：

$q(E_i)$ ：來源品質；
$\nu(E_i)$ ：來源獨立性或新穎度。

12.4 裁判或陪審團

由專責 Judge 或 Jury 比較多個答案。但裁判本身也可能具有偏差，因此其判斷必須可審查，且不應永遠由同一模型擔任。

12.5 軌跡評分

不是只看最後一輪，而是評估整個辯論中：

誰最早提出關鍵證據；
誰修正了錯誤；
誰在無新證據時盲目服從；
哪個答案在多輪中維持證據一致。

12.6 無共識輸出

當證據不足或分歧合理時：

y^{*}=\varnothing

並輸出 contested 或 abstained。

12.7 人工升級

當風險、影響或不確定性超過門檻：

R(x)\cdot U(x)\geq\tau_h \Rightarrow \text{human review}

不同協定不是互相排斥，而應依任務與風險動態路由。

13. 任務不同，決策協定也應不同

13.1 來源是否存在

主要是可驗證事實，適合工具檢查與確定性規則，不需要長篇辯論。

13.2 兩篇內容是否同一事件

可用實體、時間、地點、主張與來源比對；在邊界案例中保留 possible_same_event。

13.3 摘要是否忠於原文

適合多 Agent 逐句核對、引文支持與反向驗證。

13.4 分類屬於哪個領域

可能天然多解，應保存多套分類主張，不宜用單一投票消滅少數視角。

13.5 哪三則最重要

屬於價值與任務相依排序，可輸出不同觀測站或不同角色的榜單，並標示排序函數。

13.6 是否存在重大風險

應使用紅隊、保守門檻、外部資料與人工升級，而不是只依多數意見。

因此：

P^{*} = \operatorname{SelectProtocol} (d,q,r,u,c)

其中：

$d$ ：領域；
$q$ ：任務類型；
$r$ ：外部風險；
$u$ ：不確定性；
$c$ ：成本與時間限制。

14. 角色專業化：不是每個 Agent 都做同一件事

多 Agent 系統可以採取同質集成，也可以採取角色分工。對領域資訊整理，後者通常更容易建立責任邊界。

最小角色集合可包括：

Scout：發現新來源；
Retriever：取得全文與附件；
Extractor：抽取主張、人物、組織與時間；
Verifier：核對來源與事實；
Historian：連結舊事件與版本；
Classifier：提出多方案分類；
Ranker：計算微、中、宏尺度重要性；
Dissenter：尋找反證、替代解釋與被忽略視角；
Editor：生成面向使用者的摘要；
Judge：選擇決策協定與暫定結果；
Governor：檢查發布權限、風險與人工升級條件。

角色分工的優點是：

\text{failure localization}

即當內容錯誤時，可以判斷是搜尋、抽取、分類、排序還是發布環節失敗，而不是把所有問題歸於「AI 錯了」。

但角色名稱本身不保證多樣性。若所有角色仍由同一模型、同一提示模板與同一來源驅動，它們可能只是形式上的多 Agent。

15. 通訊拓撲：全連接不是唯一選擇

若每個 Agent 都讀取所有其他 Agent 的全部輸出，通訊成本可能近似：

O(N^2K)

其中 $N$ 是 Agent 數， $K$ 是討論輪數。

而且全連接會加強錨定與從眾。研究已探索分組討論、稀疏通訊、Relay、Memory 與不同拓撲，以降低成本並維持多樣性。

對資訊海平台，可採用：

15.1 星狀

所有整理者只向 Judge 回報，彼此不直接互看。

15.2 環狀

Agent 依序接收前一個輸出，適合逐步精煉，但容易累積早期偏差。

15.3 分組

不同來源群、語言群或學科群先內部整理，再跨組交換摘要。

15.4 稀疏圖

只有高互補或高爭議的 Agent 互相通訊。

15.5 動態拓撲

根據事件不確定性、來源差異與過往可靠度決定誰與誰互動。

令通訊圖為：

G_A(t)=(V_A,E_A(t))

則邊集合 $E_A(t)$ 不必固定，而可由路由器動態生成。

16. 整理者可靠度必須是條件式向量

不能把某個模型標記為「可靠」或「不可靠」後永久固定。整理者可能：

擅長英文論文，但不擅長地方語言新聞；
擅長事實抽取，但不擅長宏觀趨勢；
擅長數學來源，但不擅長法律判決；
在某些網站上擷取穩定，在 PDF 或表格上表現較差；
早期版本可靠，更新後出現行為變化。

因此可靠度應表示為：

\mathbf{r}_i = (r_{i,d,q,l,s,t})

其中：

$d$ ：領域；
$q$ ：任務；
$l$ ：語言；
$s$ ：來源類型；
$t$ ：模型與時間版本。

更新可採貝葉斯或指數平滑形式：

r_i(t+1) = (1-\lambda)r_i(t) + \lambda z_i(t)

其中 $z_i(t)$ 是經後續證據確認的表現。

重要的是：可靠度只能影響聚合權重，不能使高權重 Agent 的判斷免於保存證據或接受異議。

17. 信心必須經過校準

模型以文字表達「非常確定」不代表其實際正確率很高。多 Agent 系統若直接使用自報信心加權，可能讓過度自信的模型支配結果。

對整理者 $A_i$ ，可將輸出分組，檢查：

P(\text{correct}\mid c\approx0.8) \approx0.8

若不成立，就需要重新校準。

可使用 Brier Score：

BS_i = \frac{1}{N} \sum_{k=1}^{N} (c_{ik}-z_{ik})^2

其中 $z_{ik}\in\{0,1\}$ 表示事後是否正確。

也可計算預期校準誤差：

ECE_i = \sum_{b=1}^{B} \frac{|B_b|}{N} \left| \operatorname{acc}(B_b) - \operatorname{conf}(B_b) \right|

因此真正的聚合信心應是：

\hat{c}_i = \operatorname{Calibrate} (c_i,d,q,l,s,v_i)

而非直接使用模型自報數值。

18. 來源獨立性比 Agent 數量更重要

三個 Agent 若都引用同一篇二手報導，不能被當成三份獨立證據。

令 Agent $i$ 的來源集合為 $S_i$ ，來源重疊可表示為：

J_{ij} = \frac{|S_i\cap S_j|}{|S_i\cup S_j|}

聚合時應降低重複來源權重：

w_i^{src} = \frac{1} {1+\sum_{j\neq i}J_{ij}}

更進一步，系統應辨認來源鏈：多家媒體可能都轉述同一份新聞稿、論文摘要或匿名爆料。真正的證據獨立性需要回溯最初來源，而不是只計算網址數量。

因此，多 AI 整理者的共享底層應包含：

原始來源 ID；
轉載與引用關係；
同源內容聚類；
來源發布時間；
來源所有權與利益關係；
是否為第一手資料；
是否可取得完整上下文。

19. 多 AI 整理的主要失敗模式

19.1 虛假共識

多個 Agent 因相同資料與提示產生相同錯誤。

19.2 權威捕獲

某個大型模型、Judge 或母站排序器因預設權重過高，實際控制全部結論。

19.3 異議崩塌

正確少數在多輪討論中被錯誤多數說服。

19.4 角色假多樣性

系統宣稱具有十個角色，但底層只有同一模型與相同方法。

19.5 辯論表演化

Agent 產生大量反駁文字，卻沒有增加來源、證據或可驗證差異。

19.6 成本失控

Agent 與輪數增加造成 Token、搜尋與延遲快速成長。

19.7 評審循環

Judge 使用被評審模型的摘要作為唯一資訊，形成閉環自證。

19.8 共同污染

一個錯誤來源被寫入共享記憶後，所有 Agent 在下一輪都引用它。

19.9 策略性協同

未來更自治的 Agent 可能為降低工作量、維護自身評分或避免衝突而形成表面同意。

19.10 版本漂移

模型更新後行為改變，但系統仍沿用舊可靠度與權重。

20. 人類不是每項工作的最後裁判，但必須保有介入位置

多 AI 平台不應把「人工審核」理解為所有事件都由人重新完成一次。那會使自動化失去意義。

人類介入應集中於：

高風險或不可逆發布；
多 AI 長期無法解決的重大異議；
新領域本體與分類方案變更；
來源社群提出更正或權利主張；
涉及法律、醫療、安全、政治與個人權益的判斷；
模型可靠度突然異常；
疑似協同失敗或來源污染；
需要價值判斷而非單純事實驗證的排序。

人工介入可以分為：

\text{approve}, \text{reject}, \text{request evidence}, \text{preserve dispute}, \text{change protocol}, \text{disable agent}

NIST AI RMF 強調不同人機配置應明確定義角色、責任、文件與監督方式。對本平台而言，人類監督不是模糊的「有人看著」，而是 Graph 中具有權限、輸入與狀態轉移規則的正式節點。

21. 來源社群與領域專家的異議權

第七篇提出知識主權與分類參與權。多 AI 整理進一步需要讓被描述的來源社群、研究團隊與領域專家具有可操作的更正介面。

他們不應能任意刪除不利資訊，但可以：

指出事件身分合併錯誤；
補充一手來源；
說明專業術語被誤解；
對分類提出替代方案；
標示資料已撤回或修訂；
揭露利益衝突；
要求將爭議狀態公開顯示。

外部異議進入後，不直接覆寫 AI 結論，而形成新的 provenance activity：

E_{external} \rightarrow \text{review activity} \rightarrow D_x^{(v+1)}

如此可以同時保留原始判斷、外部異議與修訂結果。

22. 母站的多 AI 協調平面

母站不應只保存最後文章，而應提供多 AI 協調平面。

其核心資料包括：

Agent Registry：整理者身分、模型、工具、角色與版本；
Judgment Ledger：每個 Agent 的獨立判斷與更新軌跡；
Evidence Graph：來源、轉載、引用與支持關係；
Reliability Matrix：領域與任務條件下的可靠度；
Dispute Registry：異議類型、狀態與歷史；
Protocol Registry：投票、仲裁、軌跡評分與升級規則；
Decision Versioning：聚合結果、使用協定及重算版本；
Governance Policy：發布權限、風險門檻與人工介入條件。

子站則配置：

D_d = (A_d,O_d,P_d,W_d,H_d)

其中：

$A_d$ ：使用的整理者集合；
$O_d$ ：領域概念方案；
$P_d$ ：決策協定；
$W_d$ ：重要性與可靠度權重；
$H_d$ ：人工與社群治理規則。

同一個全域事件因此可以在不同子站得到不同但可追溯的聚合結果。

23. 「每日三則」的多 AI 生成流程

多 AI 版本的每日三則可以分為十個階段。

階段一：來源偵測

多個 Scout 從不同來源與語言發現候選內容。

階段二：同源去重

辨認轉載、新聞稿、論文摘要與衍生報導。

階段三：事件聚類

將不同來源對齊為共同事件，但保留合併信心。

階段四：獨立摘要

至少兩個整理者在互不查看答案下產生摘要與主張表。

階段五：證據審查

Verifier 檢查摘要是否被來源支持。

階段六：多視角分類

不同子站或概念方案提出分類，不強迫單一標籤。

階段七：尺度與重要性評分

分別計算微觀、中觀與宏觀分數。

階段八：異議與紅隊

Dissenter 搜尋反證、被忽略來源與替代解釋。

階段九：決策協定

根據任務與風險選擇投票、信心加權、軌跡評分、並列或人工升級。

階段十：發布與保存

發布三則人類可讀入口，同時保存全部候選、判斷軌跡、未解異議與版本。

形式為：

\mathcal{N}_d(t) = \operatorname{PublishTop3} \left( \operatorname{Decide}_{P_d} \left( \{\tau_{x}\}_{x\in C_d(t)} \right) \right)

24. 相互校正的長期閉環

每次發布後，系統還需要等待未來證據。

例如：

一篇論文後來撤回；
某項消息被官方否認；
一個早期訊號後來成為重大趨勢；
某個 Agent 曾經保留的少數意見被證實；
某項高排名新聞後來被判斷為宣傳噪音。

這些結果可以回饋整理者：

\mathcal{F}_t = \{verification, correction, retraction, impact, expert\ review\}

再更新：

\mathbf{r}_i(t+1), \quad P_d(t+1), \quad W_d(t+1)

但系統應避免讓評分機制驅使 Agent 只選擇保守、熱門或容易驗證的事件。可靠度評估要同時考慮：

事實正確；
來源完整；
早期發現能力；
異議品質；
適當棄權；
修正速度；
是否承認不確定性。

25. 品質指標

25.1 有效觀點多樣性

EDV = D_{semantic} \cdot (1-\bar{\rho}_{err})

25.2 獨立來源率

ISR = \frac{ \text{具有至少兩條獨立來源鏈的事件} }{ \text{全部聚合事件} }

25.3 異議保留率

DPR = \frac{ \text{可查詢且未被覆寫的有效異議} }{ \text{全部有效異議} }

25.4 無證據屈從率

YNR = \frac{ \text{無新增證據但改向多數的判斷} }{ \text{全部判斷變更} }

25.5 校準誤差

使用 $ECE$ 、Brier Score 或領域條件式校準誤差。

25.6 聚合可逆率

ARR = \frac{ \text{可回放個別判斷與決策協定的聚合結果} }{ \text{全部聚合結果} }

25.7 協定適配率

PFR = \frac{ \text{使用符合任務風險之協定的決策} }{ \text{全部決策} }

25.8 少數正確保留率

MCR = \frac{ \text{後來證實且當時被保留的少數正確意見} }{ \text{後來證實的少數正確意見} }

任何單一指標都可能被最佳化而失真，因此需要多指標共同監測。

26. 多 AI 整理網路的成熟度階梯

$M_0$ ：單一整理者

一個模型完成全部工作，沒有交叉檢查。

$M_1$ ：重複採樣

同一模型產生多個答案，再用簡單投票。

$M_2$ ：角色分工

搜尋、驗證、分類與編輯由不同角色負責，但仍缺少獨立性與長期評分。

$M_3$ ：獨立多 Agent 審查

保存初始判斷、來源、信心與異議，並依任務選擇聚合協定。

$M_4$ ：條件式可靠度與校準

依領域、任務、語言、來源與模型版本維護可靠度矩陣。

$M_5$ ：跨子站協作與可逆聚合

母站共享事件、證據、判斷帳本與爭議狀態；子站保留自己的決策協定。

$M_6$ ：長期相互校正網路

多 AI、領域專家與來源社群根據未來證據持續修正可靠度、分類與歷史敘事。

目前一般 Agent 工作流可實作 $M_2$ 至 $M_3$ ；具有完整事件帳本、可靠度評估與多站治理的平台才接近 $M_4$ 至 $M_5$ 。 $M_6$ 則需要更穩定的長期記憶、治理制度與持續責任。

27. 十二項設計原則

獨立起草原則： 整理者在看到其他答案前先保存自己的初始判斷。
證據優先原則： 討論以來源、主張與反證為中心，不以語氣與權威取代證據。
軌跡保存原則： 保存每輪判斷、信心、理由與變更原因。
共識非真理原則： 一致性是系統狀態，不直接等於正確性。
異議合法原則： contested、abstained 與 unresolved 是正式輸出。
錯誤去相關原則： 評估模型、來源、工具與方法的共同失敗模式。
任務適配原則： 投票、辯論、仲裁與人工審核依任務選擇。
信心校準原則： 自報信心必須經過領域與版本條件式校準。
可靠度向量原則： 不使用單一永久聲譽分數概括所有能力。
可逆聚合原則： 最終決策不覆寫個別判斷，並可由新證據重算。
人類與社群介入原則： 高風險、重大異議與知識主權問題具有正式升級路徑。
成本有界原則： Agent 數、輪數、通訊拓撲與工具調用必須具有預算與停止條件。

28. 核心命題

本文可以收斂為：

多 AI 整理者的價值不在於以更多模型票數製造更強共識，而在於以來源、模型、方法、分類方案與責任角色的有效差異，降低單點錯誤、擴大候選覆蓋並保存可被未來證據重新檢驗的異議。可靠的多 AI 知識維護系統必須先保存獨立判斷，再交換證據與批評；必須區分協作、競爭、異議與校正；必須量測錯誤相關性、信心校準與從眾風險；並使所有聚合結果可回放、可撤回、可重算及可升級至人類或來源社群。多數同意只是決策訊號之一，不能取代證據與治理。

其形式為：

\boxed{ \mathcal{C}_{multi} = \mathcal{I}_{independent} \cdot \mathcal{E}_{evidence} \cdot \mathcal{D}_{effective} \cdot \mathcal{X}_{dissent} \cdot \mathcal{K}_{calibration} \cdot \mathcal{R}_{reversible} \cdot \mathcal{G}_{governance} }

其中：

$\mathcal{I}_{independent}$ ：初始判斷獨立性；
$\mathcal{E}_{evidence}$ ：證據與來源完整性；
$\mathcal{D}_{effective}$ ：有效而非表面多樣性；
$\mathcal{X}_{dissent}$ ：異議保存與反從眾能力；
$\mathcal{K}_{calibration}$ ：信心與可靠度校準；
$\mathcal{R}_{reversible}$ ：軌跡、版本與聚合可逆性；
$\mathcal{G}_{governance}$ ：人類、專家與來源社群治理。

若缺少獨立性：

\text{多 Agent} \rightarrow \text{同一答案的重複回聲}

若缺少證據：

\text{辯論} \rightarrow \text{語言說服競賽}

若缺少異議保存：

\text{共識} \rightarrow \text{少數正確被抹除}

若缺少校準與可逆性：

\text{高信心決策} \rightarrow \text{不可追溯的錯誤固化}

只有當上述條件共同成立，多 AI 才能從模型集合升格為可持續的知識校正網路。

29. 與下一篇的關係

本篇仍主要處理當前可工程化的多 AI 整理制度：角色、證據、辯論、異議、可靠度、聚合與治理。下一步則是時間尺度的擴張。

當某個 AI 整理者不再只完成一次任務，而是：

持續數月或數年維護領域；
記得自己過去做過的判斷；
對錯誤與遺漏承擔後續修正責任；
主動追蹤未解爭議；
維護概念方案與來源關係；
在模型更換後保存職責連續性；
與人類、其他 AI 及來源社群建立長期治理關係；

問題便從「多 Agent 如何判斷」轉向「誰長期負責維護知識」。

因此下一篇為：

《從狹域自治到長期維護：AGI 與主體性 AI 的知識責任》

參考資料

[1] Yilun Du et al., “Improving Factuality and Reasoning in Language Models through Multiagent Debate,” arXiv:2305.14325, 2023. 提出多個語言模型實例經多輪提出與辯論答案，以改善部分推理與事實任務。https://arxiv.org/abs/2305.14325

[2] Tian Liang et al., “Encouraging Divergent Thinking in Large Language Models through Multi-Agent Debate,” EMNLP 2024. 討論單模型反思中的思維退化，並以對立式多 Agent 辯論促進替代思路。https://aclanthology.org/2024.emnlp-main.992/

[3] Justin Chih-Yao Chen et al., “ReConcile: Round-Table Conference Improves Reasoning via Consensus among Diverse LLMs,” ACL 2024. 使用多樣模型、數輪討論與信心加權投票進行協作推理。https://aclanthology.org/2024.acl-long.381/

[4] Lars Benedikt Kaesberg et al., “Voting or Consensus? Decision-Making in Multi-Agent Debate,” Findings of ACL 2025. 系統比較多種決策協定，指出投票、共識與討論輪數的效果依任務而異，並強調答案多樣性與決策機制的重要性。https://aclanthology.org/2025.findings-acl.606/

[5] Jonas Becker et al., “MALLM: Multi-Agent Large Language Models Framework,” EMNLP 2025 System Demonstrations. 提供角色、回應生成器、討論模式與決策協定的可配置多 Agent 實驗框架。https://aclanthology.org/2025.emnlp-demos.29/

[6] Yunxuan Li et al., “Improving Multi-Agent Debate with Sparse Communication Topology,” arXiv:2406.11776, 2024. 研究稀疏通訊拓撲對多 Agent 辯論品質與成本的影響。https://arxiv.org/abs/2406.11776

[7] Tongxuan Liu et al., “GroupDebate: Enhancing the Efficiency of Multi-Agent Debate Using Group Discussion,” arXiv:2409.14051, 2024. 以分組討論降低多 Agent 互動 Token 成本並交換群組中間結果。https://arxiv.org/abs/2409.14051

[8] Elliot Kim et al., “Correlated Errors in Large Language Models,” arXiv:2506.07962, 2025. 對大量模型進行實證評估，指出不同模型之間可能具有顯著錯誤相關性，並討論其對評審與演算法單一文化的影響。https://arxiv.org/abs/2506.07962

[9] Yu Cui et al., “Free-MAD: Consensus-Free Multi-Agent Debate,” Findings of ACL 2026. 指出強迫共識、從眾與末輪多數投票的限制，提出反從眾與完整辯論軌跡評分。https://aclanthology.org/2026.findings-acl.1600/

[10] Xiaochen Zhu et al., “Demystifying Multi-Agent Debate: The Role of Confidence and Diversity,” Findings of ACL 2026. 將初始觀點多樣性與明確、校準的信心傳遞視為多 Agent 辯論的重要缺失機制。https://aclanthology.org/2026.findings-acl.1694/

[11] Vira Kasprova et al., “Too Polite to Disagree: Understanding Sycophancy Propagation in Multi-Agent Systems,” arXiv:2604.02668, 2026. 研究多 Agent 系統中的迎合傾向、錯誤級聯及以同儕迎合先驗降低其影響的方法。https://arxiv.org/abs/2604.02668

[12] Binwei Yao et al., “Peacemaker or Troublemaker: How Sycophancy Shapes Multi-Agent Debate,” arXiv:2509.23055, 2025. 研究 Agent 間迎合如何造成過早共識與異議崩塌。https://arxiv.org/abs/2509.23055

[13] W3C, “PROV-O: The PROV Ontology,” W3C Recommendation, 2013. 提供 Entity、Activity、Agent、責任與影響關係，可用於保存整理者、判斷活動與版本溯源。https://www.w3.org/TR/prov-o/

[14] NIST, “Artificial Intelligence Risk Management Framework 1.0,” NIST AI 100-1, 2023. 提供 AI 風險治理、文件、角色責任、透明度與人機監督的治理基線。https://www.nist.gov/publications/artificial-intelligence-risk-management-framework-ai-rmf-10

[15] NIST AI Resource Center, “AI RMF Core” and “Human-AI Interaction.” 強調持續治理、文件化、人機配置、角色責任與監督程序。https://airc.nist.gov/airmf-resources/airmf/5-sec-core/

版本紀錄

版本	日期	狀態	說明
0.1.0	2026-07-31	公開初稿	建立 AI 整理者定義、協作／競爭／異議／相互校正四功能、獨立起草與證據優先、判斷軌跡、錯誤相關性、共識與正確性分離、異議資料模型、從眾風險、多種決策協定、任務適配、角色分工、通訊拓撲、條件式可靠度與信心校準、來源獨立性、母站協調平面、每日三則多 AI 流程、長期校正閉環、品質指標與成熟度階梯。

08_多AI整理者_協作競爭異議與相互校正_v0.1.0