更好决策的科学。

从心理物理学到董事会

1927 年形式化的方法 — 此后被一再验证。

两两比较的思想史始于一个实际问题：如何衡量没有天然单位的事物？

芝加哥大学心理学家路易斯·利昂·瑟斯顿提出的答案是：直接把事物成对比较。他在 1927 年发表的论文 A Law of Comparative Judgment 将这一洞见形式化为精确的数学模型。

瑟斯顿的洞见源于一项实证观察：人们回答“这两个哪个更响？”远比回答“在一到十的量表上这个有多响？”要准确得多。

为什么两两比较比量表更有效

打分的认知负担比看上去更大。

当您请人用一到十分给某项战略优先事项的重要性打分时，就是在要求他同时完成多项认知操作。这个过程在每一步都会引入系统性误差。

其中危害最大的是锚定偏差。第一个被打分的项目往往会影响之后所有的评分；特沃斯基和卡尼曼（1974）的研究表明，锚定效应既大且极难纠正。

第二个误差来源是量表压缩。实际中，大多数答题者会避开量表两端，把回答集中在中间 — 这就是为什么一份包含十二项优先事项的调查，常常得出十二件“非常重要”的事。

偏好如何变成排名

汇总方法简单、透明，并有数学依据。

若有 n 个项目需要排名，每个项目都与其他每个项目恰好比较一次。所需比较总数为 n(n−1)/2。

汇总个人回答

在个人排名会话中，结果直接来自胜出次数：每个项目每赢一次比较得一分。最终列表按胜出次数从多到少排序。

汇总小组回答

在小组会话中，先汇总每位参与者的比较，再计算最终排名。任一比较中小组的胜出总数，是所有参与者个人投票的总和。

关键在于，汇总结果还揭示了分歧的形态。让小组产生分歧的项目在数据中清晰可见 — 这往往是小组会话最有价值的产出。

作为诊断工具的小组会话

排好序的列表并不是唯一的产出。分歧的形态同样重要。

传统的群体决策方法有一个共同的根本缺陷：它们受观点表达顺序的影响。第一个发言的人会为整个小组定下锚点。

这并不是个人的失误 — 而是群体动力可预见的结果。研究一再发现，小组讨论得出的集体判断，不如独立的个人判断汇总后准确。这种效应有时被称为隐藏信息问题。

应用领域

从心理声学到 AI 训练 — 这一方法可以扩展。

战略规划与管理

层次分析法（AHP）已被用于国防、基础设施、医疗和政府领域的高风险战略决策。2008 年的一篇综述在 19 个不同领域中找到了 900 多项已发表的应用。

机器学习与 AI

基于人类反馈的强化学习（RLHF）是训练当今大语言模型的技术，它完全依赖两两比较。人类评估者会看到模型的两个输出，并选出更好的一个。

体育与竞技排名

国际象棋、足球及数十种其他竞技领域使用的 Elo 等级分系统，正是 Bradley–Terry 成对模型的直接应用。

延伸阅读

原始资料与核心文献。