多人重复同一任务并比对结果是最基础的质控手段
别名: 冗余比对 · 多数表决聚合 · majority voting
概念解释
众包没有雇佣关系里的技能保证，最基础的替代手段是冗余：同一个任务独立分给多个人，比对答案——一致的采纳，分裂的复核。它的推理基础是非正式的「大数定律」：单个陌生人的错误率不可控，但多个独立错误互相抵消的概率随人数上升，一致结果的可信度就随之上升。简单形态是多数表决（majority voting），进阶形态是按各人历史准确率加权或用统计模型同时估计「人的可靠度」与「真值」的聚合。质控在这里不是筛选人，而是用冗余换真值。
机制
冗余起效的前提是错误的独立性：两个人错在同一处的概率是两个单独错误率的乘积，随冗余数按指数衰减，于是「多数都错」的概率塌缩，多数票收敛到真值。这个前提同时暴露了机制的软肋（下一叶展开主题的另一面，此处不展开）——错误一旦相关，衰减失效。聚合技术的演进都在提高独立性假设下的效率：朴素多数票把所有票等权，浪费了「历史更准的人」的信息；加权与模型化聚合（如以期望最大化迭代同时估计工作者可靠度与项目真值的做法）用同样的冗余换回更高的准确率，等价于用算法替代了一部分额外的人力冗余。冗余也内建了对恶意行为的稀释：随机乱答在多人比对中被多数真实作答淹没，除非攻击者协调成规模——这把「防懒惰」变成了概率问题而不是品德问题。
怎么研究
- 范式：带真值基准的标注实验——固定一批已知正确答案的输入，改变冗余度与聚合方法，测量聚合结果对真值的准确率曲线；平台日志的再分析（用已发布任务的历史冗余数据回放不同聚合策略）是低成本的第二路径。
- 变量：自变量为冗余人数、聚合方法（多数/加权/模型化）、参与者质量构成；因变量为聚合准确率、达到目标准确率所需的最小冗余、单位有效成本。
- 在界面研究里的用途：众包平台的聚合配置——冗余度预设、分裂结果的自动回流（转给下一层复核或升级人工）。
- 方法论注意点：真值基准本身有测量误差，「与金标准的一致率」在金标准可疑时会低估聚合质量；冗余带来的准确率曲线在易任务上很快饱和、在难任务上爬升缓慢，跨任务外推最小冗余数是常见错误。
边界
冗余对独立性好的随机错误最有效，对系统性偏差无能为力：说明写得有歧义时，所有人一致地错，比对出任何一致度都无济于事（这层机制由专门条目展开，此处点到为止）——纠偏要先回到说明层。逐条判定成本低的分类任务适合冗余；创作类任务（写文案）没有「同一答案」可比，冗余失效，需换评审制。冗余还有边际递减：从 1 人到 3 人的可信度增益远大于从 7 人到 9 人，成本却是线性的，最优冗余度是成本—准确率曲线的截断点，而不是「越多越稳」。
怎么落地
- 按任务的「单人准确率」设定冗余档位：单人越准，需要的冗余越少；新类型任务先跑小样本测单人准确率再定档。
- 聚合不设单一策略：一致即自动通过，分裂项自动回流加做或升级人工，把人力只花在分歧上。
- 有历史数据时上加权聚合：按各人既往与多数/金标准的一致率分配权重，同样的冗余换更高准确率。
- 冗余分配对高价值项倾斜：错误代价大的条目多份冗余，低代价条目单份加抽检。
- 验证：以金标准子集回放不同冗余度与聚合策略的准确率—成本曲线，选截断点上线；上线后跟踪分裂率——分裂率的升高早于质量事故，是冗余档位需要上调的先行指标。