基于LLM的可问责人机协商：通过共生支架扩展集体智慧
计算与语言
2026-05-27 v1
摘要
大型语言模型（LLM）可以在以前受轮流发言和促进带宽限制的规模上支持民主协商。最近的研究表明，LLM生成的群体陈述通常优于人类中介的输出，而理论分析则认为LLM放宽了限制集体智慧的同步性约束。然而，纯粹的LLM中介存在风险：可能削弱多元性，过度优化以达成一致，并在参与者无法质疑其如何被代表时破坏合法性。我们提出了一个共生的人机框架，分为三个层次：观察与多样性放大、带有条款级来源的促进，以及人类优先批准。我们的贡献包括：具有显著性感知权重的分级覆盖、多样性和擦除指标；结合交叉编码器相似性与因果剔除诊断的来源管道；偏好条件化的权衡控制；公平感知的可争议性工作流；对抗性鲁棒性测试；以及一个评估协议，其中包含基于LLM作为评判者局限性证据的消融设计。结果是一个可测试的协商技术蓝图，能够在扩展集体智慧的同时保持能动性和合法性。
引用
@article{arxiv.2605.26940,
title = {Accountable Human-AI Deliberation with LLMs: Scaling Collective Intelligence through Symbiotic Scaffolding},
author = {Wajdi Zaghouani},
journal= {arXiv preprint arXiv:2605.26940},
year = {2026}
}
备注
Accepted at the LREC 2026 / 2nd Workshop on Language-driven Deliberation Technology