arXiv 于 2026 年 9 月 18 日（UTC 时间 19:01:43）发布预印本论文 arXiv:2609.22497v1，主题分类为人工智能（cs.AI），状态为“new”。论文英文标题为《The Wisdom of Artificial Deliberative Crowds》，可译为《人工审议群体的智慧》。作者为 Federico Barrera-Lemarchand 等共 3 人，投稿人为 Joaquin Navajas，全文文件约 1,323 KB。论文 DOI 为 10.48550/arXiv.2609.22497，由 DataCite 发放的 arXiv DOI 目前仍处于待注册状态。
研究的问题起点是经典的“群体智慧”现象：把许多普通人的估计汇总起来，往往比单个专家的判断更准确。传统解释把这种优势归因于估计之间的相互独立性。但论文指出，还存在一种更强的效应，来自“审议”（deliberation）：把若干小型审议小组各自的共识估计再取平均，其表现可以超过经典的群体智慧；与此同时，参与审议的个体在审议之后，其个人判断本身也会变得更准确。问题在于，这种由人类被试身上观察到的改进，是否能迁移到大语言模型彼此之间的审议之中，此前尚不清楚。
为回答这一问题，作者把一套此前用于人类被试的三阶段审议范式加以改造，用于来自三个不同模型家族的大语言模型，并在四个现实风险逐步升高的领域中进行了测试：研究一是视觉数值估计；研究二是对机器学习论文的同行评审；研究三是检测一个人工智能体隐藏的恶意行为；研究四是与真实预测市场对赌的体育赛事预测。四个研究的设计意图，是让任务从相对抽象、低风险逐步走向具有真实后果的高风险判断场景。
结果显示，在所有这些领域中，审议都进一步降低了集体误差，其表现超过了把独立回答被动汇总的做法；而且在审议结束后，个体的判断仍然保留住了这种集体收益，说明收益并非只存在于小组共识的层面，而是沉淀到了个体能力之中。
论文特别强调了一个关键的条件：这种优势依赖于模型的多样性。由同一个模型的多个“克隆”组成的小组，在审议中并没有获得收益。作者据此认为，机器审议可以作为一种通用的聚合机制，而多样性正是其中真正起作用的活性成分。
需要留意的限制与背景在于：论文目前为 arXiv 预印本（v1），尚未经过同行评审；实验中的审议范式是从人类参与者研究改造而来，涉及三个模型家族与四个领域，作者用“现实风险递增”来描述这四个研究的选择，而不是随机抽样。此外，摘要层面并未给出各研究的具体误差指标与效应量，这些细节需回到全文核验。
从更广的意义看，这项工作把“群体智慧—审议—多样性”这条人类行为研究中的因果链条，搬到了机器协作的场景里：它提示，简单地让同一个模型自我复述、自我投票，并不能复制审议带来的增益；要让多智能体系统在估计、评审、行为审计与预测等任务上真正优于单次独立推断，异质性的模型构成可能是不可或缺的前提。论文将机器审议定位为一种通用聚合机制，并把多样性视为其发挥作用的活性成分。