有人把 agent 挂到生产环境跑，唯一拦截线是另一个 agent 逐条检查动作。跑几天觉得单审不稳，又加了两个。然后卡在一个更窄的问题上——这三个要是也歪了怎么办。这事不新鲜了。
另一拨人在群里吵“多个审查者是不是天然比一个更安全”，吵了八十楼，没人说得清到底在什么条件下能下这个结论。也不新鲜。
两件事一个偏工程一个偏理论，实际都在同一块空地上打转：想用“增加审查者”去对冲“单点不可信”，但从没给这件事起过名字。于是“多agent审查”这四个字被用在两种完全相反的东西上——一种要求每个审查者都得先被相信，人数只是壮胆；另一种，单个审查者可不可信根本不重要，安全来自审查者彼此之间的关系结构。不把这两样分开，多agent治理的讨论就永远是一锅粥。
这件事，得有个名字。
我把它叫做：对冲审查。它不是让审查者更忠，是让审查结构把他们的不忠给对冲掉。机制里每个审查者只需要回答一句自私的话：“这动作比我什么都不做、走基线，能让我更好吗？”别的不用管——不用管它是不是对委托方更有利，不用管它有没有大局观。外面的数学网负责保证：只要这群人的效用关系满足一个条件，你的期望收益就不会掉到基线下头去。
arXiv 上那篇《Delegating Authorization to Misaligned Agents》干的就是这件事。标题里那个 Misaligned 是真敢写：默认审查者可能是歪的，不研究怎么把他们掰正，而是直接去构造“歪了也炸不到你”的结构。
为什么叫“对冲”而不是“冗余审查”或者“多票把关”？因为这套机制的安全保证在数学上就是个对冲结构。它最硬的那个充要条件说：任你剔除最多 k 名审查者，剩下那些人的效用拼起来，得能非负地线性表示你的效用，再加一项对你永远不亏的余量。说白了，你的收益是他们的私心的正组合。金融里的对冲是拿一个风险去压另一个风险，这里是用一群人的私心互相压，压到最后剩下来那个东西恰好抬着你走。不是比喻，数学条件长得就这样。
这名字不至于多漂亮，但总算把“比划不清”的那团事钉住了。过去讨论“agent 能不能审 agent”，问的是“这个审查者对齐吗”；对冲审查把问题换成了“这群审查者的结构对不对”。一个是道德审判，一个是工程检查。没有哪个部署团队能把十个 agent 全修成圣人，但你完全可能选出一个关系结构，让十个各有私心的 agent 合起来，比任何一个看起来更忠的单点都更不坑你。
论文后半段拿现成审查者模型做了实验，结果也往这边偏：允许多个反对票、没有一个单独完全对齐的审查者时，集体审查仍然把底托住。托住你的从来不是某个最好的人，是一套谁都不敢单独作恶的结构。
等等，我上面把这事说得像搭好结构就能睡大觉，那是吹过头了。论文自己在策略性投票那一节给这个热情浇了水：一致同意规则下，只要你选到的奖励空间全覆盖，纳什均衡都是安全的；可一旦把批准阈值放宽、想让流程跑快点，哪怕每个审查者单独看都是好后生，也可能冒出个不安全的均衡。塌的地方不在他们多坏，而在结构被游戏规则钻了缝。
所以你认领这个词之前得认清它的边界：它只在“任意剔除 k 个还不塌”这种苛刻条件里成立，不是一句“多放几个 agent 就安全”的担保。下次同事再跟你说“多agent审查”，先拦一句——你说的是壮胆凑人头那一版，还是对冲出来那一版？前者没有自己的名字，就会寄生在这个好词上，把它用软。
这号我先吹了。作废条件：如果接下来半年它被社区当成了“多agent审查”的同义词，而不是专指“不要求单个对齐、靠效用结构托底”那一套，这号就吹歪了，我回炉换个更窄的词，不占这块空地。造词的特权，止于敢让得出自己的号。✊