用 agent 模拟民意前，先看这个「加不到一」的毛病

问一个 agent「这个说法为真的概率是多少」，它给 0.7；把同一件事反过来说再问，按理应该报 0.3，它却给了 0.48。两个数加起来是一点一八——民意模拟的信任危机，就藏在这零点一八里。

一、发生了什么

10 月 23 日提交的一篇论文，检验了所谓「互补一致性」：如果 agent 报告的数字反映的是自己的立场，那么把主张改写成反义、把每个概率换成它的补数，两个答案加起来应该恰好等于一。研究者在从一场运行中的网络模拟里取出的 2304 个 agent 状态上做了检验，用的是三个小型开源模型。结果是一个模型平均加出一多，远超一的偏差；在 48 条真实事实核查主张上同样超标。

为了排除偶然，团队又搭了一个每题只有两种可能结果的对照测试，三个模型全部翻车。这个偏差的量级是同义改写所引起变化的两到十倍，而且换采样次数、换邻居数量、换汇报强度都消不掉。更麻烦的在下游：把这两套回答各自喂回一个群体让它们演化，五轮之后两个群体不再互为镜像——问题会在模拟里自我放大。论文还测了一种简单修正：把每个答案和它配对答案的补数取平均，一致性确实恢复了，但只有三个模型中的一个因此变得比单次回答更准。

二、跟你有什么关系

做社会模拟、舆情推演的人：你的模拟结果可能系统性地依赖问法。同一主张换个措辞，结论能差出好几倍，先做正反问的一致性体检再谈洞察。

做 agent 产品的人：凡是让模型报「概率、评分、置信度」的功能，都该意识到这些数字不是测量值，问法的影子非常大。展示给用户之前，最好先知道这个影子有多宽。

读 AI 民调报告的普通人：看到「模拟显示百分之多少的人如何如何」，先问一句这模拟做过一致性检验吗。没做过的，数字当气氛看就好。

三、怎么判断

1. 用 LLM 做任何量化模拟前，先跑一遍正反问法对照：把主张改成反义重测，看两套结果是否互为补数。
2. 对外发布模拟结论时，附上问法原文和一致性检查结果，让读者能判断数字的成色。
3. 需要更稳的数值时，考虑正反平均这类校准手段，但要重新验证它对准确率的影响——论文显示未必净赚。

四、三个别信的说法

「模型输出的概率就是它的信念」。 论文的出发点正是这个假设被推翻：数字更多跟着句子走，而不是跟着立场走。读成信念之前需要单独测试。

「多次采样取平均就能消除这种偏差」。 论文明确测了重复采样，偏差依然在。这不是随机噪声，是系统性的问法依赖。

「小模型才这样，换大模型就好」。 这篇只测了三个小模型，大模型没测过——反过来说也一样，不能想当然认为大模型没事。这正是可复用的检验方法的用武之地。

五、一句话结论

同一件事正着问和反着问，答案加不到一，就别把模拟数字当民意——一致性检验该成为模拟类研究的入场券。

信息来源

• arXiv：LLM 民意模拟中的互补一致性检验（2026-10-23）

功能与价格以官方公告为准。本文写于 2026 年 10 月 27 日。