本文探讨多代理辩论（MAD）是否因认知多样性而提升推理与事实性。我们在小型开源模型上进行可测量的实验，选取 23 种模型（来自 11 家供应商），覆盖 5 项任务，累计 5,500+ 次辩论与对照运行。\
我们沿三条轴线引入多样性：\
- 人格（persona）提示\
- 采样温度\
- 模型身份\ 每种辩论配置均配有等价生成预算的多数投票对照。\
实验结果否定了“多样性驱动”假设：\
- 在所有轴线上，辩论的优势均未显著提升\
- 辩论相较单模型推理提升 3–7 分（任务有余量），但在等预算条件下，仅与自一致采样持平或略逊，后者耗时约 1.6 倍、代价约 3.4 倍\
- 人格提示反而降低准确率；在全组合人格空间的剂量响应实验显示，这是一种“人格税”，而非多样性税：冗余人格损害最大，多样化团队只能部分恢复损失\
- 混合模型团队的表现不如同模型多数投票，准确率随成员能力而非异质性变化\
- 辩论收益几乎全部来源于首次答案交换\ \ 我们还发现一个普遍的测量风险：辩论记录常因超出上下文窗口而被截断，纠正后辩论与采样的比较从 -1.8 分提升至持平。\ \ 结论是，先前报告的 MAD 增益更像是集成采样效应，而非认知多样性本身。本文提供了经预算匹配、污染检查的基准，未来的辩论机制需在此之上实现突破。\ \ 点评