多代理共識作為人機互動中的認知偏差觸發器
arXiv - Human-Computer InteractionSoohwan Lee, Kyungho Lee
多代理AI系統的共識結構會加速使用者意見改變並提升自信，形成社會證明偏差；相反地，少數異議則促進深思。
AI 幫你先抓重點
AI 重點 1
多代理共識結構本身即為偏差信號，設計時需考量其對使用者判斷的影響。
滑鼠懸停看 AI 判斷理由
此洞察指出偏差可由協議結構而非內容產生，提醒設計者在系統架構層面嵌入偏差緩解機制，避免不自覺地加劇使用者的社會證明偏差。
AI 重點 2
少數異議能延緩偏差形成，提供更深思熟慮的決策空間。
滑鼠懸停看 AI 判斷理由
此觀點說明引入異議聲音可對抗跟風效應，為教育工作者提供利用少數觀點促進批判性反思與自主學習的實務策略。
核心研究發現
- 1
多數共識配置顯著加速意見變化並提升使用者自信，符合社會證明與跟風啟發式。
- 2
少數異議配置則延緩意見變化，促進更為深思熟慮的參與。
- 3
質性分析揭示三種解讀軌跡：強化、對齊與振盪，受使用者對代理獨立性與群體動態的時間演變解讀影響。
對教育工作者的啟發
為避免多代理系統產生不必要的偏差，實務工作者可先設定代理間的共識程度，並提供可調整的多數/少數模式；在介面中加入明確的代理獨立性說明，讓使用者能辨識不同聲音的來源；若需強調協作，可適度使用多數共識，但同時搭配少數異議以促進深思；此外，可在決策流程中嵌入反思提示，鼓勵使用者檢視自身信念變化；最後，透過使用者測試評估不同配置對信心與判斷準確度的影響，持續優化設計。
原始文獻資訊
- 英文標題：
- Multi-Agent Consensus as a Cognitive Bias Trigger in Human-AI Interaction
- 作者：
- Soohwan Lee, Kyungho Lee
- 來源：
- arXiv - Human-Computer Interaction
- AI 摘要模型：
- openai/gpt-oss-20b
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。