Multi-Estimate Elicitation Does Not Uniformly Debias Language Model Judgments

针对 gpt-6.1-sol、claude-sonnet-5.5 和 Qwen3-8B 的评估显示，多估计 elicitation 未能统一消除语言模型的认知偏差。在锚定、后见之明等任务中，直接数值回答虽减少了无关锚点效应，但 23 项预注册确认测试中有六项被拒绝且未建立等效性。该研究结论表明该方法无法在所有任务和模型上产生一致的去偏或响应衰减效果。