规则先于神谕：辩论投票中可审计的、用户可配置的论点选择

# 可审计、用户可配置的论证选择机制用于协商民调
来源：https://arxiv.org/html/2608.23979 \\JAIRTrack 第008卷  
作者：Muntaser Syed, Markus Zanker  
邮箱：[[email protected]](mailto:[email protected])  
机构：意大利博尔扎诺自由大学  
及 Marius Silaghi  
注：通讯作者  
邮箱：[[email protected]](mailto:[email protected])  
机构：美国佛罗里达理工学院  
2026年  

###### 摘要  
**背景**：协商民调要求参与者在考虑相关论据后做出决策。当提交的论据数量超过任何人能阅读的范围时，必须有某种机制来决定每位投票者看到哪些论据，而这种选择对决策具有重大影响。当前的实践将其委托给不透明的机器学习排序器，导致参与者无法重新计算、归因或质疑影响其投票的曝光内容。  

**目标**：我们探究在具有约束力的公民程序中，论证选择是否可以成为基于可公开重新计算证据的已公布规则，其自由参数由投票者个人掌控，以及这种约束需要付出何种代价。我们将可读性/可解释性视为可用机制类别的准入条件，而非需要与准确性权衡的目标，并量化由此排除的权衡空间。  

**方法**：我们将民调形式化为基于备选方案的二元论证集信息系统，定义三种互补的评估工具来评判所呈现的论据组合：(i) 对当前有效理由词汇表的集合覆盖；(ii) 覆盖到达的顺序；(iii) 捕获的认可权重总和。我们还陈述了归纳论证问题及其贪婪次模性上界（严格用作评估上限），给出公民推荐系统应满足的七项可验证标准，并提出满足所有七项标准的规则：一个单跳反向认可流，其唯一策略参数是关系权重函数。我们通过智能体模拟器实例化N个组成智能体，并在每次投票时记录每个论据组合；最终报告约17,000次跨两个命题的种子配对运行结果。  

**结果**：在有效理由词汇表的覆盖比例方面，所呈现的论据组合仅比标签阅读上界低0.035±0.013，该上界适用于所有选择程序（包括不透明程序），因此不受约束的排序器所能获得的全部竞争优势是有界且微小的。仅考虑集合覆盖且仅采用非退化创作时，该规则与均匀随机论据组合在统计上无显著差异；我们证明该零结果是顺序盲和慈善盲评估工具的产物。在另外两种评估工具下，该规则表现出明显效果：它在每个论据组合前缀中领先，且优势随对抗性压力扩大（在四分之一选民联盟时，90%深度排名差距达-5.7位）；在认可权重总和上以3.3倍优势占主导。当现实比例的提交内容不包含理由时，覆盖优势重新出现并随该比例单调增长，两个链接加项——在均匀优质语料中本无作用——贡献了91%的优势。标签同质化洪泛攻击使完整性从0.81降至0.34（平权策略），但作者计数归一化仅使其降至0.44；联盟共同签署以规避归一化会使其自身能力单调削弱。  

**结论**：作为关键安全控制，权重策略具有显著的完整性价值（10%）。排序机制的选择是覆盖-权重前沿上的立场而非客观事实，这正是可读性规则才能赋予受影响个体的选择类型。我们将该构建映射到现有开源点对点平台，其中对等节点的本地评估使可配置性从运营者的让步转变为结构性属性。  

## 1.引言  
在每个人都能听到所有内容的小型集会中，无需决定哪些内容被听到。但任何真实的选民规模都更大，因此选择步骤不可避免：必须有机制决定提交的数千条理由中，哪些会显示给即将投票的选民。这一步骤正是权力所在。计票是公开可查的；而产生这些投票的论据组合通常并非如此。本文认为，在具有约束力的公民程序中，选择步骤是民主程序的一部分，必须按此构建——一个提前公布的规则，基于任何参与者都可检索和重新计算的证据进行计算，其自由参数属于投票者个人而非服务器运营者。  

使这一方案可行的关键洞察是：我们真正希望论据组合具有的属性——其理由能共同涵盖所有相关理由——是所呈现集合的集合级属性，而集合级属性可通过论证图结构实现，无需解释文本；因此仅读取认可计数和签名链接的规则既足够使用，又更难在不留下公开痕迹的情况下被操纵。技术上我们将民调建模为基于备选方案的信息系统，从三个维度（而非单一维度）衡量论据组合，展示一个单跳反向认可流规则（其唯一策略杠杆是关系权重函数），在种子控制的智能体模拟器中针对贪婪次模上界进行评估并抵御协调攻击，最终将结果映射到现有的点对点协商平台。贡献包括：  

- **公民推荐系统规范**（第4节 [https://arxiv.org/html/2608.23979#S4](https://arxiv.org/html/2608.23979#S4)）：提出七项操作标准——1.确定性、2.证据局部性、3.作者盲化、4.语义克制、5.可重复性、6.可争议性、7.可配置性——每项标准都有对应的测试方法和失效可观测性，并论证这些是准入条件而非优化目标；不透明的机器学习排序器在设计上无法满足四项标准。  
- **论据组合的三重评估模型**（第3节 [https://arxiv.org/html/2608.23979#S3](https://arxiv.org/html/2608.23979#S3)）：定义基于备选方案的二元论证集民调，衡量：1.相对于每次投票时有效理由词汇表的覆盖完整性；2.前缀敏感的序列度量族；3.捕获的认可权重总和。陈述归纳论证问题及其加权和逐分量变体，并给出严格用作评估上限的贪婪(1−e⁻¹)覆盖界。  
- **符合规范的规则**（第4–5节 [https://arxiv.org/html/2608.23979#S4](https://arxiv.org/html/2608.23979#S4)–[https://arxiv.org/html/2608.23979#S5](https://arxiv.org/html/2608.23979#S5)）：一个基于反驳与强化链接的单跳反向认可流规则，每个投票者的策略向量使其可个体化配置而不失去个体不可预测性；以及Abas，一个控制N个组成智能体的种子模拟器，在每次投票前记录所有呈现的论据组合，最终在敏感度扫描、退化创作扫描、排序项消融和五类对抗攻击中产生约17,000次运行。  
- **规范代价的量化**（第7.3节 [https://arxiv.org/html/2608.23979#S7.SS3](https://arxiv.org/html/2608.23979#S7.SS3)）：所呈现论据组合与基于标签阅读的贪婪上界（适用于同一语料库上的所有选择程序）的覆盖比例差距为0.031±0.014，而时间分量0.163是任何程序都无法弥补的。  
- **实验结果与排序规则的实际作用**（第8–8.5节 [https://arxiv.org/html/2608.23979#S8](https://arxiv.org/html/2608.23979#S8)–[https://arxiv.org/html/2608.23979#S8.SS5](https://arxiv.org/html/2608.23979#S8.SS5)）：仅考虑集合覆盖且采用非退化创作时，规则与均匀随机论据组合无显著差异，两个链接加项几乎无效，在洪泛攻击下随机论据组合甚至占优。我们证明这是顺序盲工具和不可靠慈善创作模型的产物；在顺序敏感阅读下，规则在每个前缀领先且优势随攻击扩大；一旦现实比例的提交不包含理由，覆盖优势重现并随该比例单调增长，使链接加项的价值等同于整个排序优势——通过放大选民已具备的鉴别力。  
- **实证操纵结果与命名化防御**（第9节 [https://arxiv.org/html/2608.23979#S9](https://arxiv.org/html/2608.23979#S9)）：在身份验证下，枢纽骑行无害而标签同质化洪泛有害；作者计数归一化保留了平权策略会损失的0.08–0.12完整性；速率与语料匹配对照实验表明同质化是五分之四的原因；而明显的升级策略——共同签署链接以虚增归一化分子——使联盟能力单调削弱。  
- **点对点实现与规范性解读**（第10节与第13节 [https://arxiv.org/html/2608.23979#S10](https://arxiv.org/html/2608.23979#S10)与[https://arxiv.org/html/2608.23979#S13](https://arxiv.org/html/2608.23979#S13)）：逐步映射到DirectDemocracy点对点（DDP2P）平台，涵盖身份与户籍、八卦同步和部分副本上的本地评估；以及为何可读性程序是构成性而非装饰性的论证。  

本节剩余部分陈述曝光问题并预览测量结果。第2节 [https://arxiv.org/html/2608.23979#S2](https://arxiv.org/html/2608.23979#S2)回顾本研究相关的文献；第3节 [https://arxiv.org/html/2608.23979#S3](https://arxiv.org/html/2608.23979#S3)构建形式对象及其三重评估工具；第4节 [https://arxiv.org/html/2608.23979#S4](https://arxiv.org/html/2608.23979#S4)陈述规范与规则；第5节 [https://arxiv.org/html/2608.23979#S5](https://arxiv.org/html/2608.23979#S5)描述模拟器；第6节 [https://arxiv.org/html/2608.23979#S6](https://arxiv.org/html/2608.23979#S6)说明协议。第7–9节 [https://arxiv.org/html/2608.23979#S7](https://arxiv.org/html/2608.23979#S7)–[https://arxiv.org/html/2608.23979#S9](https://arxiv.org/html/2608.23979#S9)报告非退化创作的无攻击扫描与语义克制代价、零结果及其两种解释、以及对抗性扫描。第10节 [https://arxiv.org/html/2608.23979#S10](https://arxiv.org/html/2608.23979#S10)将设计映射到DDP2P；第11节 [https://arxiv.org/html/2608.23979#S11](https://arxiv.org/html/2608.23979#S11)进行讨论；第12节 [https://arxiv.org/html/2608.23979#S12](https://arxiv.org/html/2608.23979#S12)列出可能改变结论的因素；第13节 [https://arxiv.org/html/2608.23979#S13](https://arxiv.org/html/2608.23979#S13)提出规范性论证；第14节 [https://arxiv.org/html/2608.23979#S14](https://arxiv.org/html/2608.23979#S14)进行总结。  

### 1.1.曝光问题与本文立场  
集体决策的合法性从来不仅依赖于计票结果。从密尔的观念市场到哈贝马斯的交往理性理论（Mill, 1859 [https://arxiv.org/html/2608.23979#bib.bibx65](https://arxiv.org/html/2608.23979#bib.bibx65); Habermas, 1984 [https://arxiv.org/html/2608.23979#bib.bibx46](https://arxiv.org/html/2608.23979#bib.bibx46)），传统认为决策的权威性来源于决策前的对话质量。费什金将其转化为可测量的协议（Fishkin, 1991 [https://arxiv.org/html/2608.23979#bib.bibx42](https://arxiv.org/html/2608.23979#bib.bibx42); Fishkin et al., 2000 [https://arxiv.org/html/2608.23979#bib.bibx44](https://arxiv.org/html/2608.23979#bib.bibx44)）：抽取分层样本，使其接触平衡材料和结构化讨论，测量意见变化。多国实践报告了相同的定性发现——深思熟虑的意见与原始意见系统性差异，一旦人们接触立场背后的原因，党派提示便失去效力（Luskin et al., 2002 [https://arxiv.org/html/2608.23979#bib.bibx59](https://arxiv.org/html/2608.23979#bib.bibx59); Fishkin, 2009 [https://arxiv.org/html/2608.23979#bib.bibx43](https://arxiv.org/html/2608.23979#bib.bibx43)）——而该协议的弱点在于成本，几百人的促进小组是昂贵的工具，且无法明显扩展到全国选民（Lukensmeyer & Brigham, 2005 [https://arxiv.org/html/2608.23979#bib.bibx58](https://arxiv.org/html/2608.23979#bib.bibx58)）。数字平台消除了这一障碍，却立即带来了新的障碍。当十万人提交理由时，无人能阅读整个语料库；每人只阅读一个论据组合。这称为曝光问题：给定不断增长的论证语料和每个投票者K项的显示预算，如何选择论据组合，才能让相关理由在选民实际看到的内容中得到代表？处理不当会产生三种不同的危害，需要不同的补救措施：  

- **时间不公平**：在顺序流程中，语料库早期单薄而后期丰富，早期投票者被迫在更窄的理由空间中决策，而晚期投票者则无此限制；在参考配置下，单次运行内投票者间的完整性差异约0.21，是不同运行间差异的五倍。  
- **无声窄化**：为参与度优化的筛选器会收敛于吸引注意力的内容，这在政治材料中通常是证实既有偏见的内容（Pariser, 2011 [https://arxiv.org/html/2608.23979#bib.bibx72](https://arxiv.org/html/2608.23979#bib.bibx72); Sunstein, 2007 [https://arxiv.org/html/2608.23979#bib.bibx99](https://arxiv.org/html/2608.23979#bib.bibx99); Willson, 2014 [https://arxiv.org/html/2608.23979#bib.bibx105](https://arxiv.org/html/2608.23979#bib.bibx105)），这种窄化是无声的，因为单个论据组合看似未被审查——缺失的理由只是从未被呈现。  
- **不可证伪的影响**：如果筛选器是机器学习模型，怀疑己方被系统性低曝光的参与者无法证实这一点，无法重新计算排序，无法指出产生结果的规则条款，无法区分刻意压制与训练数据伪影（Burrell, 2016 [https://arxiv.org/html/2608.23979#bib.bibx20](https://arxiv.org/html/2608.23979#bib.bibx20); Lipton, 2018 [https://arxiv.org/html/2608.23979#bib.bibx56](https://arxiv.org/html/2608.23979#bib.bibx56)）。无法用可验证的推导回答“为何我看到这些内容”的公民程序，已用对运营者的信任取代了程序合法性。  

本文立场尤其源于后两种危害，且是关于准入条件而非性能的立场。我们并非声称不透明排序器排序效果差，而是主张不透明排序错误定义了公民论据组合的框架：生成的对象不是个性化信息流，而是投票者所见内容的公共记录的一部分，而公共记录必须可重建。因此可读性决定了哪些程序可以使用，比较性质量仅在合格程序中讨论——这与秘密投票的结构相同，而无人会以秘密投票能比公开投票更准确测量偏好为由为其辩护。第4.2节 [https://arxiv.org/html/2608.23979#S4.SS2](https://arxiv.org/html/2608.23979#S4.SS2)以可针对实现验证的形式陈述标准，后续每节都旨在让读者看到每个设计决策满足了哪项标准。图1 [https://arxiv.org/html/2608.23979#S1.F1](https://arxiv.org/html/2608.23979#S1.F1)用一张图表达了这一承诺。  

```  
论证语料库 → 行为遥测 → 不透明选择器（参数不公开） → K项论据组合 → 不可接受：无推导依据  
论证语料库 → 公开认可 + 签名链接 → 已公布规则 sc_{θ_i}(·) → K项论据组合 → 可接受：投票者自有策略向量 θ_i  
```  
图1：两条流水线。两者都消耗同一语料库并输出K项内容。上方流水线额外消耗行为遥测数据，并通过外部无法检查的参数处理，因此有争议的论据组合没有可指向的推导过程。下方流水线仅消耗所有参与者都可检索的证据（谁认可了什么，存在哪些签名链接），并将策略参数暴露给个人投票者，因此有争议的论据组合要么归结为有争议的输入（可检查），要么归结为有争议的策略（可辩论）。本文将这一差异视为准入条件而非目标函数的组成部分。  

### 1.2.测量结果的启示  
在所有论证作者都正确表达理由的简化情境中……