原文：揭开多智能体决策的隐形不公，结果指标相同也未必可靠 | EMNLP'26
被 EMNLP 2026 Main Conference 接收的论文提出 SCOPED-Hiring，一套面向 LLM 多智能体系统的过程感知公平性诊断框架。研究基于受控简历变体、两阶段招聘委员会实验，记录超过 31.1 万条结构化决策轨迹，发现最终录用率相近时，职业空窗、代理线索与身份线索仍会引发更多怀疑、追问和额外审查。诊断驱动的修复方案将总分层公平负担降低 72.3%，最终录用率仅变化 1.86 个百分点。
被 EMNLP 2026 Main Conference 接收的论文提出 SCOPED-Hiring，一套面向 LLM 多智能体系统的过程感知公平性诊断框架。研究基于受控简历变体、两阶段招聘委员会实验，记录超过 31.1 万条结构化决策轨迹，发现最终录用率相近时，职业空窗、代理线索与身份线索仍会引发更多怀疑、追问和额外审查。诊断驱动的修复方案将总分层公平负担降低 72.3%，最终录用率仅变化 1.86 个百分点。
此前的公平性审计多停留在录用率等结果指标，认为结果接近即公平。该研究把审计对象扩展到智能体阅读简历、评分、论证和投票的完整轨迹，指出结果平衡可能掩盖过程差异，并给出可定位风险来源的六视角框架，为高风险场景的合规评估提供了新的检查维度。
多智能体决策由多个角色分别进行私有评估、公开论证、打分与投票，不公平可能在初筛、复审、讨论等阶段累积或放大。SCOPED 从结果、反事实、过程、路径、动态和设计六个视角组织诊断，先在轨迹中定位触发差异的候选人线索与系统设计因素，再据此设计干预机制，因此修复能在不显著改变录用结果的前提下降低过程公平负担。
若产品在招聘、信贷或医疗筛查中使用多智能体决策，仅监控最终通过率不足以发现风险，需要记录并留存中间评分、论证和调查分配的轨迹数据。这会增加日志与评估环节的研发投入，也要求把公平性诊断嵌入上线前测试和线上监控流程，否则系统可能在实际部署中面临难以解释的过程性质疑。