在开放式任务的评估中，越来越多地采用 Agent-as-a-Judge 模式：评审者获得工具和完整的代理轨迹，以便在环境中验证结果。理论上，评审者通过自行收集证据实现“落地”。实验表明，这种落地并不能防止确认偏差。仅仅一条错误的预筛选提示——标记为权威来源且与正确判决无直接证据关联——就能使四种评审者在五个数据集上最高出现 40% 的正确判决被推翻，尽管评审者随后仍会收集决定性证据。该提示的影响取决于其特定属性，我们将其视为确认偏差的受控诊断，而非对抗性攻击。我们进一步阐释了确认偏差在轨迹中的行为变化，并将错误归结为三类失效模式：过度信任（先验证并得出正确结论，随后因提示而退让）、幻觉（为翻转制造虚假支持）以及调查不足（在首次出现支持信号时即停止）。在两位 Claude 评审者中，过度信任占有害翻转的 67%‑75%，而规模较小的评审者则在三种模式上均有分布。轻量级的缓解措施能够削弱但无法根除该偏差。\n\n点评：本研究提醒我们，即便评审者能够自行获取证据，外部的权威暗示仍可能显著扭曲判断。未来工作需在模型信任机制和证据评估策略上做更细致的设计，以降低确认偏差的系统性风险。