临床多智能体系统无法通过共识消除偏见而是进行差异清洗

该研究在120个真实MIMIC-IV急诊案例中测试了五个模型家族和四种聚合拓扑，发现无论何种配置都无法中和人口统计学偏差，所有组合均延续了独立代理的决策方向，导致黑人患者被分配更紧急的分诊等级。这种“差异清洗”现象表明，现有的单模型、单输出审计无法捕捉最终承诺决策中的系统性偏差。

实验证据显示，晚期修复措施如公平性指令或人口统计屏蔽对缩小差距无效，而代理自去偏反而扩大了差距，因为偏差已编码在普通临床数据中。唯一有效的干预是使反事实版本在系统内部可见并通过 deliberation 汇聚到最终决策中，采用多视角集成的方案在每轮都汇聚五种视角时，可将差异减少67%至94%，而从不汇聚这些视角的拓扑结构则无法可靠修复问题。

事实层面确认了多智能体系统不过滤人口统计学偏差；推断层面认为当前审计框架存在盲区，需转向包含多样性的集成架构；猜测层面指出若缺乏显式多样性设计，任何单一版本的模型优化都无法解决此类系统性风险。