本文研究审议性民意调查（deliberative poll）中参数选择机制的可审计性问题。当提交的论证数量超出任何个人的阅读能力时，必须有一种机制决定每个选民看到哪些论点，这一过程实际上掌握了大部分决策权。现有实践常常依赖不透明的学习型排名器，使得选民无法重新计算或质疑影响其投票的曝光过程。作者提出，机制应当是一条发布的规则，基于公开可计算的证据，且参数由选民持有，并将可读性（legibility）作为可用机制的可接受性条件，而非与准确性对立的优化目标。论文将民意调查形式化为基于双极论证集（bipolar justification sets）的投票问题，从理由覆盖率、到达顺序和捕获的支持量（endorsement mass）三个维度评价候选名单（slate），并提出公民推荐器（civic recommender）的七项可检查标准，以及一个满足这些标准的规则：由关系权重函数参数化的单跳反向背书流（one-hop reversed endorsement flow）。作者构建了智能体模拟器，在约17,000个种子配对运行中记录每次投票的名单。结果显示，该规则的服务名单与标签读取上限（上界所有选择过程）仅差0.035，说明任何不受约束的排名器的优势都是有界且有限的。在仅覆盖率方面，在非退化创作下，该规则与随机名单无法区分，这归因于其无视顺序和无视慈善的仪器设计；但在其他两个指标上则以每个前缀领先，且差距随对抗性压力扩大，质量优势达到3.3倍。当合理比例的提交不包含理由时，覆盖率差距会恢复并增长。标签同质淹没（label-homogeneous flooding）在平坦权重策略下将完整性从0.81降至0.34，而在作者数量归一化下仅降至0.44，表明权重函数作为安全控制可价值10%的完整性。论文强调，排名臂之间的选择是覆盖率与质量前沿上的位置选择，只有可读的规则才能将这一选择交给受影响的人。该规则可映射至开源的点对点平台。