งานวิจัยพบว่าผู้ตรวจทานบทความแบบ LLM ให้ความสนใจภาคผนวกของบทความมากเกินไป
เริ่มตรงนี้
งานวิจัยใหม่ "AI Reviews Are Biased Towards the Appendix" รายงานว่าโมเดล AI รุ่นใหม่ดึงคำวิจารณ์ส่วนใหญ่ในการตรวจทานมาจากภาคผนวกของบทความมากกว่าผลการศึกษาหลัก จากการทดสอบบทความ 2,000 ฉบับจาก ACL 2026, EMNLP 2026, COLM 2026 และ ICLR 2027 ด้วย GPT-6-Astra, GPT-6.1-Sol, Claude-Opus-5.5 และ Claude-Sonnet-5.5 คณะผู้เขียนพบว่าผู้ตรวจทาน AI ระบุจุดอ่อน 62% ว่าเป็นเนื้อหาในภาคผนวก เทียบกับ 8.4% สำหรับมนุษย์ โดยโมเดลรุ่นใหม่ดึงคำวิจารณ์ราว 50–70% จากภาคผนวก เทียบกับต่ำกว่า 30% สำหรับ GPT-5 อคตินี้ยังคงอยู่ทั้งใน Codex, API และการเข้าถึงผ่านเว็บ คณะผู้เขียนยังรายงานว่าคำวิจารณ์ที่เกี่ยวกับภาคผนวกในการตรวจทานโดยมนุษย์เพิ่มขึ้นเป็น 27.6% ในการตรวจทานล่าสุด หลังจากหลายปีที่ต่ำกว่า 11% สำหรับการทดสอบนั้น ปิดการเข้าถึงอินเทอร์เน็ต เพื่อให้การตรวจทานอาศัยเฉพาะไฟล์ PDF ที่ให้มา และลบตัวตนผู้เขียนออกจากบทความของ ACL, EMNLP และ COLM โค้ดของงานวิจัยนี้เผยแพร่บน GitHub
สร้างจากรายงาน · อัปเดต 45 นาทีที่แล้ว
ไทม์ไลน์รายงาน
ไล่ตามรายงานเพื่อดูเหตุการณ์นี้จากหลายด้าน
- Hacker News · AIงานศึกษาพบผู้ตรวจทานแบบเพียร์ของ AI หมกมุ่นกับภาคผนวกของบทความมากกว่าผลการศึกษาหลัก
งานศึกษาใหม่ชื่อ AI Reviews Are Biased Towards the Appendix พบว่าโมเดล AI รุ่นใหม่ดึงคำวิจารณ์ในบทตรวจทานราว 50-70% มาจากภาคผนวกของบทความ เทียบกับต่ำกว่า 30% สำหรับ GPT-5 ในการทดสอบบทความ 2,000 ฉบับจาก ACL 2026, EMNLP 2026, COLM 2026 และ ICLR 2027 ด้วย GPT-6-Astra, GPT-6.1-Sol, Claude-Opus-5.5 และ Claude-Sonnet-5.5 คณะผู้เขียนรายงานว่าผู้ตรวจทาน AI ระบุจุดอ่อน 62% ว่าเป็นเนื้อหาในภาคผนวก เทียบกับ 8.4% สำหรับมนุษย์ และอคติดังกล่าวยังคงอยู่ทั้งใน Codex, API และการเข้าถึงผ่านเว็บ บทความยังรายงานด้วยว่าคำวิจารณ์ที่เกี่ยวกับภาคผนวกในการตรวจทานแบบเพียร์โดยมนุษย์เพิ่มขึ้นเป็น 27.6% ในการตรวจทานล่าสุด หลังจากหลายปีที่ต่ำกว่า 11% และโค้ดของงานนี้เผยแพร่บน GitHub
ความร้อนแรงของเหตุการณ์นี้
ยังมีการเฝ้าดูต่อเนื่องไม่พอจะวาดแนวโน้ม