Modo Conselho: respostas de IA sem viés via ranking anônimo entre pares
Toda forma de combinar respostas de IA tem um problema de viés. Peça aos modelos para discutirem e eles tendem a convergir para o consenso. Peça a um modelo para julgar os outros e ele favorecerá respostas que soam como ele mesmo. Pergunte a um humano e escolheremos a marca em que já confiamos.
O modo Conselho remove os nomes. Cada modelo responde à sua pergunta de forma independente, depois recebe as demais respostas anonimizadas — Resposta A, B, C — e as classifica puramente pela qualidade. Um modelo presidente sintetiza a resposta final a partir do material mais bem classificado. Nenhum modelo sabe de quem é cada resposta, incluindo a sua própria.
Como funciona uma sessão do Conselho
- Rodada 1 — Respostas independentes: cada agente responde à sua pergunta sozinho, sem visibilidade dos outros. Sem ancoragem, sem pensamento de grupo.
- Rodada 2 — Classificação às cegas: cada agente recebe o conjunto completo de respostas com os nomes removidos e deve classificá-las da melhor para a pior por correção e utilidade, justificando cada posição — com honestidade, incluindo aquela que pode ser a sua própria.
- Síntese — O presidente: uma passagem final agrega as classificações, aproveita o raciocínio mais bem avaliado, descarta pontos fracos e entrega uma resposta defensável, indicando qual resposta o conselho classificou como a melhor.
Por que o anonimato muda o resultado
Os modelos, assim como as pessoas, são mensuravelmente mais indulgentes com o próprio estilo: ao ver respostas identificadas, um modelo tende a supervalorizar resultados que se assemelham à sua própria forma de se expressar, e marcas populares recebem um efeito halo. Remover a identidade força a classificação a se basear na única coisa que resta — o conteúdo.
A ideia remonta ao experimento llm-council de Andrej Karpathy, que descobriu que modelos classificando as respostas anônimas uns dos outros frequentemente produzem um veredito coletivo melhor do que qualquer modelo isolado — e às vezes classificam a resposta de um rival acima da própria.
Conselho vs Debate: quando usar cada um
O Debate é adversarial e interativo — ideal quando a pergunta envolve trade-offs reais para discutir (preços, arquitetura, estratégia) e você quer ver as posições colidirem.
O Conselho é independente e julgado — ideal quando você quer a resposta única mais confiável para uma pergunta difícil sem o ruído de um debate ao vivo: uma questão técnica complexa, uma explicação médica ou jurídica para verificar a coerência, uma pergunta do tipo 'o que é realmente verdade aqui'.
- Debate: as posições evoluem atacando-se mutuamente, o consenso é acompanhado a cada rodada
- Conselho: as posições se formam de modo independente, a qualidade é julgada às cegas
- Debate: ótimo para trade-offs e decisões
- Conselho: ótimo para correção em perguntas difíceis
- Ambos: terminam com um veredito sintetizado que você pode exportar
Como montar um bom conselho
Use de 3 a 5 agentes de fornecedores genuinamente diferentes — o anonimato só traz benefício quando as respostas vêm de mentes diferentes. Coloque um modelo forte na primeira posição: ele também atuará como presidente, escrevendo a síntese final. O modo Conselho é um recurso Pro (o Pro custa US$ 20/mês). Todo plano inclui modelos integrados e créditos mensais, então você pode usá-lo sem nenhuma chave; opcionalmente, conecte suas próprias chaves de API e você paga diretamente ao provedor, gastando 0 créditos.
Perguntas frequentes
Um modelo pode reconhecer a própria resposta apesar da anonimização?
Às vezes, pelo estilo — mas ele não conhece os autores das outras respostas, e a instrução de classificação exige honestidade mesmo em relação à sua própria. Na prática, os modelos frequentemente classificam respostas rivais acima das suas.
Por que o Conselho é um modo exclusivo Pro?
Ele executa cada agente duas vezes (resposta + passagem completa de classificação) além de uma síntese do presidente, tornando-o o modo mais pesado em tokens e orquestração. O Pro também desbloqueia até 10 agentes para conselhos maiores.
De onde vem a ideia?
Do experimento de código aberto llm-council de Andrej Karpathy (2024), que demonstrou a classificação cega entre pares de diferentes fornecedores. O modo Conselho é a nossa implementação em produção desse mecanismo, com síntese do presidente e veredictos exportáveis.
Plano gratuito · use suas próprias chaves de API · 15 idiomas