辩论助力弱裁判奖励更强模型

尽管辩论作为可扩展监督协议具有理论前景，但实证结果不一。本文在“强辩手 - 弱裁判”设定下研究 proposer-critic 辩论模式。研究发现，当批评者的分类能力优于裁判且裁判将其言论视为待验证主张时，辩论显著优于咨询基线。若两者能力相近，辩论无效甚至降低判断率。消融实验表明，单轮独立批评即可获取大部分收益。该研究提出了无需训练的廉价监督原语及部署前审计方法。