# 成对等价判断

该研究在多智能体假设生成流程中，固定起始假设并重放下游流程，用LLM评判配对假设是否描述同一机制：从0轮到1轮自我批判带来34.5个百分点的额外机制分歧，而1轮到5轮仅增加1.3个百分点；在受控扰动下，三种等价规则对保义改写均不变，但当起始事件被替换时，LLM评判将83%的配对判为不同机制，TF-IDF为0%、嵌入为8%，仅改变评判标准即可使该比例从38%升至96%。

该研究在多智能体假设生成流程中，固定起始假设并重放下游流程，用LLM评判配对假设是否描述同一机制：从0轮到1轮自我批判带来34.5个百分点的额外机制分歧，而1轮到5轮仅增加1.3个百分点；在受控扰动下，三种等价规则对保义改写均不变，但当起始事件被替换时，LLM评判将83%的配对判为不同机制，TF-IDF为0%、嵌入为8%，仅改变评判标准即可使该比例从38%升至96%。