งานวิจัย
งานตรวจสอบ preregistered 52,988 คำขอสรุปว่า "ชื่อโมเดล" ไม่ใช่เครื่องมือวัดที่นิ่ง — ส่งคำขอเดิมทุกไบต์ซ้ำวันถัดมาได้อันดับตรงกันแค่ 0.78 จากเกณฑ์ 0.99 และผู้เขียนบอกเองว่าความรุนแรงส่วนหนึ่งเขาสร้างขึ้นมาเอง
3 ก.ย. 2026 นักวิจัยจาก University of Sheffield และ Cambridge เผยแพร่ผลตรวจสอบแบบลงทะเบียนล่วงหน้าที่ล้มเหลวทั้งสองรอบก่อนได้ทดสอบสมมติฐานจริง — ผู้ตัดสิน LLM บนเอนด์พอยต์ที่ใช้ร่วมกันให้อันดับซ้ำในหน้าต่างเดียวกันตรงกันแค่ Spearman 0.400 และการเปลี่ยนผู้ให้บริการ การรอข้ามวัน หรือการโฮสต์เองก็ไม่ช่วย
· อ่าน 8 นาที
