从辩论到决策：面向安全多智能体商议的共形社会选择

多智能体辩论能改进LLM推理，但智能体之间达成一致并非正确性的证据。当智能体经由社会性强化在错误答案上收敛时，基于共识的停止机制会把该错误提交为自动行动且无从补救。我们提出Conformal Social Choice，一个事后决策层，将辩论输出转化为经校准的行动-升级决策。来自异构智能体的言语化概率分布经线性意见池聚合，并用split conformal prediction校准，得到具有边际覆盖率保证的预测集合：正确答案以${\geq}\,1{-}α$的概率被包含在内，且无需对单个模型的校准性做任何假设。分层行动策略将单元素集合映射为自主行动，将更大的集合映射为人工升级。在八个MMLU-Pro领域、三个智能体（Claude Haiku、DeepSeek-R1、Qwen-3 32B）的设置下，覆盖率与目标的偏差保持在1至2个百分点以内。关键发现不在于辩论变得更准确，而在于共形层使其失败变得可处置：在$α{=}0.05$时，81.9%的错误共识案例被拦截。由于该层拒绝在辩论自信却错误的案例上行动，剩余的共形单元素集合达到90.0--96.8%的准确率（比共识停止最高高出22.1个百分点）——这是一种选择效应，而非推理改进。这种安全以牺牲自动化为代价，但工作点可通过$α$由用户调节。