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
详细介绍
当多个大语言模型（LLM）组成「招聘委员会」，共同筛选简历、讨论候选人、打分并投票时，我们通常会用最终录用率来判断系统是否公平。
论文链接：https://arxiv.org/abs/2609.02092
开源代码与数据：https://github.com/Warren118/SCOPED
项目主页：https://scoped-hiring-project-page.vercel.app/
传统审计像是在检查一场招聘的最终名单：不同群体的录用率是否相近？
图1：SCOPED-Hiring的核心理念。即使结果层面的录用率看似平衡，决策过程、路径、动态与系统设计层面仍可能存在隐藏的公平风险。
SCOPED-Hiring将多智能体决策中的公平风险组织为六个相互补充的诊断视角，构成从结果到过程的完整审计链条：
图2：SCOPED-Hiring 的完整流水线。从受控候选人构建、多角色招聘委员会，到结构化轨迹记录、六视角诊断与修复验证。
研究团队在GPT、Gemini和Qwen三类 LLM 后端上进行实验。一个一致现象是：过程、路径、动态和系统设计层面的公平风险，明显强于只看最终录用结果时能够观察到的风险。
图3：SCOPED的「公平风险地图」。不同信号家族在六类公平性视角下呈现出不同风险模式；在三类 LLM 后端中，过程感知风险普遍强于仅由最终结果能够观察到的风险。
换言之，Fair Skills 不是简单要求智能体「更宽松」，而是帮助它在真正发生判断的节点，避免把不确定性变成怀疑、把代理线索变成能力证据、把额外审查变成默认反应。
图4：Fair Skills的「诊断—修复—验证」闭环。左侧比较四类干预：INT0不干预，INT1仅作通用公平提醒，INT2加入通用证据清单，INT3 （Fair Skills）则在识别到职业空窗疑虑、代理线索评分或不均等调查时触发对应技能。右侧显示，只有诊断驱动的 INT3 将总分层公平负担从8.59降至2.38（越低越好）。
这说明，公平修复的关键不在于一味提高通过率，也不只是追加笼统的公平提醒；先沿决策轨迹诊断风险出现在哪里、经由何种机制产生，再实施针对性干预，才能更有效地减少无依据的负面推断、代理评分和不均等审查，让系统的判断回到候选人的实际证据上。
SCOPED-Hiring 的意义，不在于用一个指标替代所有既有公平标准，而在于提供了一种新的问题视角：
https://arxiv.org/abs/2609.02092
【开源免费】Browser-use 是一个用户AI代理直接可以控制浏览器的工具。它能够让AI 自动执行浏览器中的各种任务，如比较价格、添加购物车、回复各种社交媒体等。
项目地址：https://github.com/browser-use/browser-use
【开源免费】字节工作流产品扣子两大核心业务：Coze Studio（扣子开发平台）和 Coze Loop（扣子罗盘）全面开源，而且采用的是 Apache 2.0 许可证，支持商用！
项目地址：https://github.com/coze-dev/coze-studio
项目地址：https://github.com/n8n-io/n8n
在线使用：https://n8n.io/（付费）
项目地址：https://github.com/eosphoros-ai/DB-GPT?tab=readme-ov-file
项目地址：https://github.com/AndersonBY/vector-vein?tab=readme-ov-file
在线使用：https://vectorvein.ai/（付费）
【开源免费】AutoGPT是一个允许用户创建和运行智能体的（AI Agents）项目。用户创建的智能体能够自动执行各种任务，从而让AI有步骤的去解决实际问题。
项目地址：https://github.com/Significant-Gravitas/AutoGPT
项目地址：https://github.com/geekan/MetaGPT/blob/main/docs/README_CN.md