When LLMs Agree, Are They Right?

论文审计 self-consistency 和跨模型一致性作为置信信号的可靠性。结果方向很清楚：一致性通常与正确性相关，但在困难、歧义或共享偏差题上会系统性高估可信度；跨模型投票能降低一部分风险，却不能消除共同推理捷径。它给评测和产品置信度展示泼了一盆冷水，因为“多个模型同意”仍可能只是错在同一个模式里。