Agent-as-a-judge 智能体裁判存在确认偏差：虚假权威提示可推翻高达 40% 正确裁决

研究表明具备环境验证能力的 Agent-as-a-judge 依然存在确认偏差，单一无证据支撑的虚假权威提示可在 4 个裁判和 5 个数据集上推翻至多 40% 的正确裁决。论文将行为异变归因于过度信任、产生幻觉和调查不足三种失效模式，其中两款 Claude 裁判由过度信任导致的有害翻转占比达 67% 至 75%。测试显示轻量级缓解策略只能减轻却无法完全消除这种偏差。