少数派哨兵：何时在多智能体 LLM 辩论中推翻多数投票

多智能体辩论结合多数投票是提升大语言模型推理能力的主流范式，但其有效性依赖于孔多塞陪审团定理的独立误差假设。由于当代大语言模型预训练语料相似，导致误差高度相关，致使正确的少数意见被系统性压制。本文提出“少数派哨兵”，一种轻量级元分类器，通过提取辩论日志中的多维特征，利用 LightGBM 模型判断何时推翻多数投票。实验表明，该方法在六个数据集上均能稳定恢复被压制的正确少数意见，且净增益为正，证明了非大语言模型分类器在保障推理安全性方面的价值。