面向可扩展监督的协作式分歧解决

研究者提出协作式分歧解决范式，将可扩展监督中模型间的互动从对抗式辩论改为协作求真。该流程借鉴人类调解与冲突解决的原则，引导模型共同定位分歧点、审查冲突主张各自的证据，进而达成共识或隔离出分歧的关键症结，而非为固定立场互相说服。论文报告，该方法能持续帮助非专家模型识别真相，判定准确率为 62.1%，标准辩论为 49.2%。作者称这一结果为把可扩展监督协议从对抗式说服重新思考为协作式求真提供了令人鼓舞的实证证据。