从辩论到决策：保安全的多智能体社交选择

多智能体辩论可提升LLM推理，但智能体间的一致并非正确性的证据。当智能体通过社交强化在错误答案上达成共识时，基于共识的停止决策会将该错误固化为自动化行动，后悔无情。我们引入Conformal Social Choice，将辩论输出转换为校准的act-versus-escalate决策层。通过线性意见池聚合异构智能体的语言化概率分布，并通过split conformal prediction进行校准，生成具有边际覆盖保证的预测集：正确答案的包含概率${\geq}\,1{-}\alpha$，无需对单个模型校准做出假设。层次化行动策略将单元素集合映射为自主行动，较大集合映射为人类升级。在八个MMLU-Pro领域上进行测试（三个智能体：Claude Haiku、DeepSeek-R1、Qwen-3 32B），覆盖率保持在目标值±1--2个百分点内。关键发现不在于辩论变得更准确，而在于conformal层使其失败可操作：在$\alpha{=}0.05$时，81.9%的错误共识案例被拦截。由于该层拒绝在辩论自信错误的情况下行动，其剩余的conformal单元素达到90.0--96.8%的准确率（较共识停止高出最高22.1pp）——这是一种选择效应，绝非推理改进。这种安全性以自动化成本为代价，但操作点可通过$\alpha$调整。