多估计引导无法统一消除语言模型判断偏差

研究对比直接数值回答与单次回复内给出五个加权估计的多估计格式，在锚定、后见之明、基础比率、合取和现状/默认任务上测试了 gpt-6.1-sol、claude-sonnet-5.5 和 Qwen3-8B。23 项预注册验证测试中仅 6 项通过 Holm 校正，且这 6 项效应量均低于预设最小关注效应，多估计引导未能实现统一去偏或响应衰减。