arXiv · cs.AI· Xiaoyang Wang·· 2 天前精选AI 评分54
研究提出 disparity laundering：临床多智能体系统无法通过共识过滤人口偏见
Disparity Laundering: Consensus Without Fairness in Clinical Multi-Agent Systems
来源与原文
arXiv · cs.AI
作者：Xiaoyang Wang
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.38215v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
arXiv 论文 2610.38215 研究临床多智能体大模型系统的人口偏见问题，在 5 个模型族、4 种聚合拓扑、120 个 MIMIC-IV 真实急诊病例及反事实人口属性交换下，全部 20 种配置都放大了给 Black 患者更急得分诊的偏差。公平指令和人口属性遮蔽无效，单智能体自我去偏反而扩大差距；只有让反事实版本在系统内可见并经协商汇入最终决策才有效，多样化视角集成可将差距降低 67 到 94%，且无需重训或改架构。论文将此现象命名为 disparity laundering，代码已开源，投稿 EACL 2027。
推荐理由
论文用真实 MIMIC-IV 病例和反事实人口属性交换实验，说明多智能体临床系统会放大而非过滤偏见，并给出能降 67 到 94% 差距的干预方法。
来源：arXiv · cs.AI · arxiv.org