6.814 Blindurteile zu 33 Fragen
Forschungsfrage
Welche Testfälle sind eindeutig – und wo widersprechen sich die Prüfer?
Vorgehen
Ein größerer synthetischer Testsatz wird durch Modelle geprüft, ohne ihnen die vorgesehenen Antworten zu zeigen. Strittige Fälle werden gesondert untersucht.
Was bisher vorliegt
Ein dokumentierter GPT-6-Prüflauf enthält 6.814 Urteile, davon 1.359 als unsicher markiert. Eine spätere Fallliste dokumentiert 489 strittige Fälle aus dem Prüfbestand.
Was sich daraus nicht ableiten lässt
Die beiden Zahlen beziehen sich auf verschiedene Auswertungsschritte. Modellmehrheiten ersetzen keine menschlich festgelegte Referenz; eine abgeschlossene, bereinigte Gesamtauswertung liegt hier nicht vor.
Nächster Schritt
Strittige Fälle klären und einen festen, getrennten Prüfsatz ausweisen.
Grundlagen der Darstellung
- Ergebnisbericht der Blindprüfung vom 4. Oktober 2026
- Liste strittiger Testfälle vom 5. Oktober 2026
Diese Seite fasst den dokumentierten Arbeitsstand zusammen. Die vollständige Ergebnisdarstellung ist noch nicht als eigene Studie aufbereitet.
Der Datenstand bezeichnet die zugrunde liegende Untersuchung, nicht das Datum dieser Übersicht.