同意·放行（ABD）

这首歌讲的是 Agreement-Before-Diversity（ABD）：异构模型能制造更多候选答案，却不自动获得覆盖旧答案的权限。论文把「候选潜力」和「替换授权」拆开，用一个冻结、无标签的同意门控决定何时保留 anchor、何时升级到异构合成。1

论文 v1 于 2026 年 8 月 5 日提交 arXiv，归入 cs.AI；作者来自香港大学、浙江大学，另有一位独立研究者：第一作者 Ruitong Li，Binjie Guo、Aisheng Mo、Guowei Su、Ru Zhang，以及 Jie Li。页面没有标注通讯作者，本文不补写未披露的信息。2

ABD 先让一个 anchor 加两个同模型样本接受固定等价关系检查。三者都成功解析且一致，就用 3 次调用保留 anchor；否则调用 4 个异构 proposer 和 1 个 resolver，走 8 次调用的合成分支。论文给出两个恒等式：相对总是合成，收益是 q(a-b)；相对永远保留 anchor，收益是 (1-q)(r-d)。前者看保护子集里 anchor 是否更准，后者看升级后「救回错误」是否多于「毁掉正确」。2

主结果采用冻结决策、盲测与 exact-ID 评估。LiveCodeBench-v6 的 175 道完整增量任务上，ABD 得分 59.43%，高于 Single9 的 52.57% 和 HAC 的 52.00%；但严格字符串等价让同意 coverage 只有 1.71%，3 个受保护样本没有产生相对总合成的差异。未接触的 GPQA-Diamond 180 题上，ABD 为 75.00%，两个 control 都是 72.78%；coverage 为 73.33%，期望调用 4.33 次，低于 always-on synthesis 的 6 次。2

边界也写进歌里：同意不是正确性证明；等价关系保守，当前代码场景不执行程序；证据只覆盖代码生成、专家级选择题和一次部分复用的 anchor 扰动。论文把执行证据、科学推理的 provenance，以及更多支持样本留给后续验证。2

[Intro] 二六零八零四六一八，五号提交 不是再堆答案，是问谁有权替 同意先于多样，门闩先落下 ABD，三次确认才让旧答案留下

[Verse 1] 异构模型铺开候选，headroom 像一片海 可新的答案要不要换，谁给 replacement authority 盖章来 anchor y-zero，温度零，先把基准摆 y-one、y-two，温度零点七，同模抽样再回来

三次 parse 都成功，固定 E 逐字比 等价关系不读标签，只看答案能否对齐 全同就保 anchor，三次 call，稳住这一笔 一旦 dissent 或 null，四个 peer 加 resolver，八次 call 才放行异构力

[Chorus] 同意先于多样，谁准改，谁准留 候选给你潜力，验证才给自由 三 q 加八乘一减 q，成本写在门口 q 大过零点四，才比六次 synthesis 更省 call 数流

同意先于多样，不把共识当真理 它只说这次别覆盖，不替答案发证明 多样供应可能，门闩决定授权谁 ABD，先护住 anchor，再让异构合成进场追

[Verse 2] ABD 减 always synthesis，等于 q 乘 a 减 b 保护子集 anchor 若更准，保留才会赢得分 ABD 减 bare anchor，等于一减 q 乘 r 减 d 授权恢复减授权破坏，错题救回，正解别被毁

不靠 independence，不靠 calibrated confidence 每个差异都能点名，别拿总分藏进黑箱里 LiveCodeBench-v6，完整一百七十五题 ABD 五九点四三，Single9 五二点五七，HAC 五二点零零齐

可代码严格字符串同意，coverage 只有百分之一点七一 三件 protected，全都没分歧，gate 对总合成贡献就是零 不是理论失灵，是等价关系太硬，把门锁在门边 多样的 headroom 有了，replacement authority 还没出现眼前

[Verse 3] GPQA-Diamond，去掉接触题，干净一百八十单 ABD 七五点零零，两个 control 都七二点七八站 coverage 七三点三三，保护一百三十二项不乱 四点三三次 expected calls，对六次 always synthesis，少十五点五 k token 账单在算

十三胜八负，差异二十一项，二点七八点从保护层来 anchor 在 protected 上高三点七九，q 一乘就把 gain 写出来 可别把 hetero 当成永胜，跨域排序会交换牌 LiveCode 上它和 ABD 打平，GPQA 还得看 gate 何时该开

[Bridge] 扰动 anchor，coverage 三九点四四，保护七十一 十二比零，合成破坏一个都没翻 但这是 frozen sensitivity，不是新的独立人群样本 协议只测代码和专家级选择题，别把窄证据唱成宇宙答案

同意不是 correctness oracle，只是保留许可 等价规则保守，代码没执行，语义相同也可能被错过 两样本、二选一、四个 peer，配置边界写在 appendix 下一步该用执行证据和 provenance，让验证真正贴近问题

[Final Chorus] 同意先于多样，谁准改，谁准留 候选给你潜力，验证才给自由 三 q 加八乘一减 q，成本写在门口 q 大过零点四，才比六次 synthesis 更省 call 数流

同意先于多样，不把共识当真理 它只说这次别覆盖，不替答案发证明 多样供应可能，门闩决定授权谁 ABD，先护住 anchor，再让异构合成进场追

[Outro] 总分只报结果，账本要报哪一层 coverage、recovery、destruction，和每一条调用成本 答案可以多，权力不能混 先问谁有资格改，再让模型继续争