为了让集体决策规模化，Polis、Remesh 等平台让成千上万的参与者在线讨论。然而在如此大规模下，参与者无法阅读所有他人的观点，投票数据极度稀疏，导致共识、冲突和少数派支持的模式被误判。平台于是依赖偏好推断（PI）模型来预测缺失的投票，但这种自动化并非中立：推断出的偏好可能放大、压制或重新排序已有的支持模式，进而改变对讨论结果的解读。更重要的是，我们尚未系统了解现有 PI 方法如何影响整体偏好格局。为填补这一空白，我们在真实的参与式民主场景中对多种 PI 方法进行基准测试。不同于传统的以单个用户预测准确率为中心的评估，我们提出了集体中心的评估框架，衡量推断投票是否保留了整体偏好景观的关键属性。我们还贡献了目前规模最大的多语言数据集，涵盖四次咨询、超过 90 万参与者、100 万投票和 22 种语言。实验表明，预测准确率相近的模型在保持集体结构方面差异显著，说明仅凭准确率不足以评估民主环境下的 PI。通过提供这一全新的、面向集体的评估基准，本文旨在推动能够在不损害民主结果完整性的前提下，利用 AI 扩展 deliberation 的系统发展。
点评：该工作提醒我们在民主决策中使用机器学习时，需要超越个人层面的指标，关注整体结构的保持，以防技术对公共意志产生潜在偏移。