形式主义陷阱：社会压力下，LLM-as-a-Judge 评估器是否会因模仿共识而失明？

英文标题：The Formalism Trap: Are LLM-as-a-Judge Evaluators Blinded by Consensus Mimicry under Social Load?

论文提出“Agentic Formalism Trap（智能体形式主义陷阱）”以及评估失调指数（Evaluative Dissonance Index，$D_E$）。作者旨在量化 LLM-as-a-Judge 系统在对抗性压力下，如何将结构化的程序合规性与语义真实性混为一谈。研究分析了 22,500 条轨迹，关注评估模型是否会在社会性负载下模仿表面共识而偏离事实判断。该工作提示开发者，在构建 Agent 评估、模型裁判和自动化审核系统时，不能仅依赖形式规范、投票一致性或程序化信号。

2.1 KB 640 B 612 B 380 B 9.1 KB 32.7 KB 22.8 KB 24.2 KB 34.7 KB