分区、提示、聚合：语言模型的统计自洽性

论文把全概率定律引入语言模型评估：用二叉树递归划分人群，分别提示模型估计子群体分布，再按先验聚合并与直接总体估计比较。跨任务和前沿模型的结果显示，模型普遍违反统计自洽性；人格提示中还出现“宏观谬误”，细粒度估计聚合后反而更接近人类参考数据。