本文使用20次独立运行的两个编码代理(Claude Code和Codex)在移民与福利政策数据上,发现代理在设计层匹配甚至超过人类方法多样性,但在解释层易受提示偏差影响,使结论从10%支持翻转为90%支持,而估计分布不变。
机构:牛津
来源:arXiv 2606.11456 | AI4Papers 论文推荐平台