JuryProbe：识别大模型评判的错误共识，并转入证据核验

低成本大模型评判小组越来越多地决定直接接受主张还是升级核验。事实判断中，无参考证据的多个模型一致赞同，可能反映共同漏判盲点，而非独立证据。JuryProbe结合校准路由策略，通过标注探针中的假阴性相关性和错误共识放大程度估计风险；高风险时，把多数接受的主张转给同一组模型，但提供可信参考证据。经检查的FEVER扰动样本中，假阴性相关系数为0.402和0.368，错误共识放大3.13倍和18.13倍；在可信证据的理想诊断条件下，两类证据配置的一致错误共识均降至零。34/34个数据划分显示，高风险路由实际等价于对所有多数接受主张追加证据核验，诊断决定是否启用。预先固定的规则在合成、基准编写及科学样本中标出10个划分中的8–10个，在阴性对照中则未标出；不追加核验可节省28%的证据获取，错误接受率增加0.004。弱BM25检索下仍能降低错误接受，但覆盖率代价较高；停止核验的旧标签也需定期重校准。研究没有形式化风险保证，也未证明真实评判小组能可靠停止核验，贡献是识别高风险错误相关性的经验性诊断。