Gemini 3.5 Flash 提出的漏洞分诊决策，有 65% 被另一个模型直接挑战。这个比例最初被当成 bug，后来才发现它暴露了单一模型的系统性偏见。作者用五天构建的自主系统，本意是解决安全程序六周修复周期里最难的追责环节，却意外让模型互评成了发现隐藏偏差的工具。 65% 分歧率来自模型对同一 triage 决策的直接对抗 作者花五天……

阅读全文