临床大语言模型正被组建为多智能体团队，假设讨论可以平滑个体错误，却无法平滑偏见。我们在五类模型和四种聚合拓扑的全因子实验中，使用120例真实MIMIC‑IV急诊病例并进行反事实人口学置换，发现没有任何配置能消除差异：所有20种组合都沿着各智能体独立答案的方向，使黑人患者获得更高的急诊分级。每种模型都有一种拓扑会放大其基线差距，但放大方式随模型而变，因而没有可靠安全或可靠放大的设计——差异被迁移而非消除。后期修正如公平指令、人口学遮蔽均未改变差距，单智能体自去偏甚至扩大差距，因为偏见已嵌入常规临床数值。我们称之为“差异洗白”；现行的模型、输出、版本审计只能认证各部分，却无法认证最终决策。只有在系统内部显式引入反事实版本并通过讨论汇总到最终决策，才能关闭差距。多视角集合在每轮都汇总五种视角时，可将差距降低67%至94%，而从不汇总的拓扑始终无法修复。结论是，医学多智能体系统不会过滤人口学偏见，而是将其洗白为合理决策，唯一防御是让偏见可见。
点评