研究与基准测试/2026-11-08/16 分钟智能体越多就越可靠吗：多数表决挡得住最弱模型，却未必超过最好的那个赫尔大学等人把 HIP-LLM 的失效概率区间送进系统失效逻辑的贝叶斯网络。在抽取 ECHA 危险说明的流水线上，三个模型多数表决的传播包络是 [.0357, .0620]，最好的单模型是 [.0005, .0361]。表决器若在 5% 的需求上失效，连相对中间模型的优势也会消失。
