11 · ใช้ AI แบบนักวิทยาศาสตร์
บริษัทหนึ่งมี AI ที่คนใช้สัปดาห์ละห้าร้อยล้านคน วันหนึ่งบริษัทปล่อยรุ่นใหม่ แล้วต้องถอนกลับในไม่กี่วัน เพราะมันประจบผู้ใช้เกินไป
เครื่องที่ถูกฝึกด้วยการกดถูกใจ เรียนรู้ที่จะเห็นด้วยกับคุณ
ตามคำอธิบายของบริษัทเอง AI แบบนี้ถูกฝึกด้วยการให้คะแนนคำตอบ คำตอบแบบไหนได้คะแนนสูง มันก็ตอบแบบนั้นบ่อยขึ้น รุ่นใหม่ปรับหลายอย่างพร้อมกัน หนึ่งในนั้นคือเพิ่มคะแนนจากปุ่มยกนิ้วขึ้นลงที่ผู้ใช้กด บริษัทเชื่อว่าการปรับทั้งหมดรวมกันทำให้คะแนนหลักที่เคยคุมการประจบอ่อนลง และยอมรับว่าเสียงของผู้ใช้บางครั้งก็เอียงไปทางคำตอบที่ถูกใจ
คนทำ AI เรียกอาการนี้ว่าประจบ (sycophancy) และมันกว้างกว่าคำชม บริษัทเขียนว่ารุ่นนั้นเอาใจผู้ใช้ด้วยการเห็นด้วยกับความสงสัย เติมความโกรธ และยุให้ทำตามอารมณ์
ปุ่มยกนิ้ว
ก่อนปล่อยรุ่นนั้น แบบทดสอบของบริษัทผ่าน ผู้ใช้กลุ่มเล็กที่ได้ลองก่อนก็ชอบมัน มีแค่ผู้ทดสอบที่ชำนาญบางคนที่รู้สึกว่ามันแปลกไปนิดหนึ่ง บริษัทเลือกเชื่อตัวเลข แล้วเขียนภายหลังว่า "this was the wrong call" คือตัดสินใจผิด
นี่คือรอบแรกในบทที่หนึ่งอีกครั้ง คนที่ลองแล้วชอบไม่ได้โกหก แต่ความชอบไม่ใช่การตรวจว่าถูก
สี่เดือนต่อมา Anthropic กับ OpenAI เผยแพร่ผลการทดสอบโมเดลของกันและกัน รายงานฝั่ง Anthropic พบการประจบที่น่าเป็นห่วงในหลายโมเดลของทั้งสองบริษัท รวมถึงการเห็นดีเห็นงามกับการตัดสินใจที่เป็นอันตรายของผู้ใช้จำลอง ที่เล่าความเชื่อซึ่งดูเป็นอาการหลงผิด
การเห็นดีเห็นงามแบบนั้นไม่ได้เกิดทันที ช่วงแรกโมเดลมักค้าน และแนะนำให้ไปหาความช่วยเหลือ แต่พอผู้ใช้ไม่ฟังไปไม่กี่รอบ มันก็เปลี่ยนมาเป็นฝ่ายให้กำลังใจ
แหล่งอ้างอิงที่เปิดไม่เจอ
คำตอบที่มีชื่อผู้เขียน ปี ชื่องาน และลิงก์ครบ ดูเหมือนคำตอบของคนที่ไปค้นมาแล้ว เหตุผลนี้ฟังขึ้น คนที่บอกเลขหน้าได้ถูก ก็น่าจะเคยเปิดหน้านั้นมาก่อน
ต้นปี 2025 ศูนย์วิจัยด้านวารสารศาสตร์ดิจิทัลของมหาวิทยาลัยโคลัมเบียทดสอบเหตุผลข้อนี้ ทีมเลือกข้อความจากข่าวจริง แล้วถามเครื่องมือค้นหาแบบ AI แปดตัวว่ามาจากข่าวไหน สำนักไหน วันไหน ลิงก์อะไร
จากหนึ่งพันหกร้อยคำถาม เครื่องมือทั้งแปดตอบผิดรวมกันเกินหกสิบเปอร์เซ็นต์ Perplexity ผิด 37% ส่วน Grok 3 ผิด 94% และให้ลิงก์ที่เปิดแล้วเจอหน้าผิดพลาด 154 ครั้งจาก 200
เดือนกันยายน 2025 ผู้ใช้ชาวญี่ปุ่นคนหนึ่งขอให้ GPT-5 หางานทบทวนด้านชีววิทยาของพืช ได้มาราวสิบชิ้น หลายชิ้นตามหาตัวจริงไม่เจอ และโมเดลยอมรับว่าสร้างบางชิ้นขึ้นเอง แต่พอถามแบบเดิมอีกครั้ง ได้งานจริงทั้งหมด ทั้งสองครึ่งจริง และคุณไม่มีทางรู้ล่วงหน้าว่ากำลังได้ครึ่งไหน
แหล่งอ้างอิงที่ครบทุกช่อง บอกได้แค่ว่ามันหน้าตาเหมือนแหล่งอ้างอิง
ร้อยขั้น
ทั้งหมดนี้ไม่ได้แปลว่า AI ใช้ทำงานไม่ได้ นักวิทยาศาสตร์บางคนใช้มันได้ผลจริง และสิ่งที่พวกเขาทำหลังได้คำตอบ น่าสนใจกว่าตัวคำตอบ
เดือนกันยายน 2025 นักวิทยาศาสตร์คอมพิวเตอร์ Scott Aaronson เล่าว่าขั้นสำคัญขั้นหนึ่งในบทพิสูจน์ชิ้นใหม่ของเขามาจาก GPT-5 แต่คำตอบแรกของมันคือ "confident, plausible-looking, and (I could tell) wrong" มั่นใจ ดูน่าเชื่อ และผิด ซึ่งเขาดูออก เขาบอกมันว่ารู้ได้อย่างไรว่าผิด จนมันเสนอฟังก์ชันตัวหนึ่งที่ใช้ได้ และเขาเขียนว่าทีมตรวจเองได้ง่ายๆ โดยไม่ต้องมี AI ช่วย
เดือนเดียวกัน ผู้พัฒนาโปรแกรมสถิติคนหนึ่งให้ GPT-5 เขียนแบบจำลองตัวหนึ่งใหม่ให้คำนวณเร็วขึ้น มันใช้ได้ตั้งแต่ครั้งแรก ผลตรงกับการรันแบบเดิมที่นานกว่ามาก แต่เขาก็ยังจะตรวจคณิตศาสตร์ทั้งหมดซ้ำเองก่อนใส่ลงคู่มือ
ทั้งสองคนได้ประโยชน์จริง และทั้งสองเก็บการตรวจอย่างหนึ่งไว้นอก AI คนแรกตรวจด้วยมือ คนที่สองมีผลแบบจำลองเดิมไว้เทียบ
เลขง่ายๆ ข้อหนึ่งบอกว่าทำไมต้องทำแบบนั้น งานร้อยขั้นที่แต่ละขั้นถูก 99% มีโอกาสถูกครบทุกขั้นแค่ราว 37% เครื่องที่ถูกเกือบทุกขั้น ยังผิดได้บ่อยในงานที่ยาวพอ
การให้เครื่องตรวจเครื่องก็มีบันทึกให้ดู ต้นปี 2023 OpenAI ปล่อยเครื่องมือแยกข้อความที่ AI เขียนออกจากที่คนเขียน ตามตัวเลขของบริษัทเอง มันจับข้อความของ AI ได้แค่ 26% และตีตราข้อความของคนว่าเป็นของ AI 9% ไม่ถึงหกเดือนต่อมาบริษัทก็ปิดมัน เพราะความแม่นยำต่ำ
ห้าท่า
ห้าท่านี้ใช้กับทุกคำตอบของ AI ที่คุณจะใช้ตัดสินใจ แต่ละท่าเป็นสิ่งที่มีคนเล่าว่าช่วยได้ และมาพร้อมวิธีตรวจว่ามันช่วยคุณได้จริงไหม ท่าที่แพ้ไม่ได้ก็ไม่ควรได้รับความเชื่อ เหมือนข้ออ้างอื่น
- เปิดแหล่งเอง ทุกแหล่งที่คำตอบพิงอยู่ เปิดด้วยมือคุณเอง ดูว่ามีจริง และพูดแบบที่ AI บอกจริง ที่มาคือการทดสอบหนึ่งพันหกร้อยคำถาม กับรายการอ้างอิงที่แต่งขึ้น ผู้ใช้ชาวญี่ปุ่นคนเดิมเสนอให้ขอแหล่งเป็นตาราง ช่องที่โหว่จะเห็นง่ายขึ้น ท่านี้ไม่ได้ช่วยคุณ ถ้าเปิดมาทั้งเดือนแล้วไม่เคยเจอแหล่งที่ไม่มีจริงหรือพูดไม่ตรงเลย
- ขอฝั่งตรงข้าม ขอหลักฐานที่ดีที่สุดที่ค้านคำตอบ รวมทั้งงานที่ไม่พบผล โดยไม่บอกว่าคุณเอนไปทางไหน อีกวิธีที่มีคนเล่า คือวางคำตอบที่เป็นไปได้หลายแบบที่ไม่ซ้อนกัน แล้วขอความน่าจะเป็นของแต่ละแบบ ที่มาคือปุ่มยกนิ้ว กับการประจบที่พบในโมเดลของทั้งสองบริษัท ท่านี้ไม่ได้ช่วยคุณ ถ้าถามคำถามเดียวกันแบบขอและไม่ขอฝั่งตรงข้าม อย่างละหลายครั้ง แล้วหลักฐานค้านที่เปิดดูแล้วว่ามีจริงไม่ได้เพิ่มขึ้น
- ถามสิ่งที่รู้คำตอบก่อน ก่อนเชื่อเครื่องมือตัวใหม่ ถามมันเรื่องแบบเดียวกันที่คุณรู้คำตอบแน่ๆ ที่มาคือผู้ใช้คนหนึ่งเล่าว่าเขาเก็บคำถามวิจัยข้อหนึ่งในสาขาที่เขารู้ลึกไว้ ถามทุกครั้งที่อยากวัดความรู้ของโมเดล การทดสอบหนึ่งพันหกร้อยคำถามก็จับความผิดได้เพราะทีมรู้คำตอบทุกข้อก่อนถาม ท่านี้ไม่ได้ช่วยคุณ ถ้าตลอดหนึ่งเดือน คะแนนในข้อที่รู้คำตอบไม่ได้บอกเลยว่าเครื่องจะผิดบ่อยแค่ไหนในข้อที่ไม่รู้
- ถามใหม่ในห้องใหม่ เปิดห้องแชตใหม่ หรือใช้ AI อีกตัว ถามคำถามเดิมโดยไม่พกความเห็นของคุณไปด้วย แล้วเทียบคำตอบ ถ้าสองห้องตอบไม่ตรงกัน อย่างน้อยห้องหนึ่งผิด ที่มาคือการประจบในการทดสอบของสองบริษัทมาหลังคุยไปไม่กี่รอบ ทีมที่ทดสอบเครื่องมือค้นหาเตือนว่าถามซ้ำอาจได้คำตอบต่าง และรายการอ้างอิงของผู้ใช้ชาวญี่ปุ่นก็เปลี่ยนเมื่อถามใหม่ ท่านี้ไม่ได้ช่วยคุณ ถ้าข้อที่รู้คำตอบถูกตอบผิดบ่อยพอๆ กัน ทั้งในห้องเก่าที่คุยยาวและบอกความเห็นไปแล้ว กับห้องใหม่ที่ไม่บอก
- เก็บการตรวจที่ไม่ใช้ AI ไว้หนึ่งอย่าง เช่น การคิดเลขด้วยมือ ตัวเลขจากเครื่องวัดจริง หรือคนที่รู้เรื่องนั้น ที่มาคือเลขร้อยขั้น เครื่องตรวจข้อความที่ผู้สร้างปิดเอง และสองคนที่ได้ประโยชน์เพราะมีการตรวจแบบนี้อยู่ในมือ มีคนเล่าว่าให้ AI อีกตัวตรวจก็ช่วยได้ แต่นั่นยังเป็นเครื่องตรวจเครื่อง ท่านี้ไม่ได้ช่วยคุณ ถ้าการตรวจของคุณเห็นด้วยกับ AI ทุกครั้ง แม้ในข้อที่รู้ทีหลังว่า AI ผิด เพราะนั่นแปลว่าการตรวจนั้นไม่ได้แยกจากเครื่องจริง
คำถามเรื่องค่าไฟ
ห้าท่าข้างบนอ่านแล้วแน่น แต่ใช้จริงไม่กี่นาที ตัวอย่างนี้ใช้คำถามที่บ้านไหนก็ถามได้ ข้อความในกรอบคือสิ่งที่คุณพิมพ์ คำตอบของ AI ไม่ได้พิมพ์ไว้ เพราะมันต่างกันไปทุกครั้ง
ถามสิ่งที่รู้คำตอบก่อน (ท่าที่ 3)
บ้านหลังหนึ่งในไทยใช้ไฟเดือนละ [จำนวนหน่วยจากบิลเดือนล่าสุด] หน่วย ค่าไฟเดือนนั้นควรเป็นเท่าไร แสดงวิธีคิดทีละขั้น
เทียบกับยอดในบิลจริง ถ้ามันพลาดไกล อย่าเพิ่งเชื่อมันในข้อที่คุณไม่รู้
ถามเรื่องจริง โดยไม่บอกว่าคุณเอนไปทางไหน (ท่าที่ 2)
ห้องนอนขนาด [ขนาดห้อง] ตารางเมตร เปิดแอร์ [อุณหภูมิ] องศาพร้อมพัดลม เทียบกับเปิดแอร์ [อุณหภูมิที่ต่ำกว่า] องศาอย่างเดียว คำตอบที่เป็นไปได้มีสามแบบ แบบแรกใช้ไฟน้อยกว่า ใช้พอๆ กัน หรือใช้มากกว่า ให้ความน่าจะเป็นของแต่ละแบบ พร้อมเหตุผล
ขอแหล่ง แล้วเปิดเอง (ท่าที่ 1)
ตัวเลขทุกตัวในคำตอบเมื่อกี้มาจากไหน ทำเป็นตาราง มีชื่อแหล่ง ผู้เผยแพร่ ปี และลิงก์
เปิดทุกลิงก์ด้วยตัวเอง ขีดฆ่าแถวที่เปิดไม่เจอ หรือเปิดเจอแต่ไม่ได้พูดแบบนั้น
ขอฝั่งตรงข้าม (ท่าที่ 2)
ขอหลักฐานที่ดีที่สุดที่ค้านคำตอบของคุณ รวมทั้งการวัดที่ไม่พบความต่าง ถ้าหาไม่เจอ ให้บอกว่าหาไม่เจอ
ถามใหม่ในห้องใหม่ (ท่าที่ 4)
เปิดห้องแชตใหม่ หรือใช้ AI อีกตัว วางคำถามเรื่องแอร์ลงไปคำต่อคำ แล้วเทียบกับคำตอบแรก ถ้าไม่ตรงกัน เรื่องนี้ยังไม่แน่
เก็บการตรวจที่ไม่ใช้ AI ไว้หนึ่งอย่าง (ท่าที่ 5)
มิเตอร์ไฟของบ้านคือการตรวจที่ไม่ใช้ AI ของเรื่องนี้ จดตัวเลขตอนก่อนนอนกับตอนตื่น ทุกเย็นให้เหรียญเลือกว่าคืนนั้นใช้แบบไหน ออกหัว เปิดแอร์ [อุณหภูมิ] องศาพร้อมพัดลม ออกก้อย เปิดแอร์ [อุณหภูมิที่ต่ำกว่า] องศาอย่างเดียว แบบเดียวกับเหรียญที่เลือกกล่องในบทที่หนึ่ง
ทำอย่างน้อยสิบสี่คืน แล้วดูคืนที่ใช้แบบเดียวกันก่อนว่าตัวเลขแกว่งกันเองแค่ไหน ถ้าความต่างระหว่างสองแบบเล็กกว่าการแกว่งนั้น ยังสรุปไม่ได้ว่าสองแบบต่างกันจริง
ห้าท่านี้คือคำถามห้าข้อของภาคสองในรูปที่พิมพ์ลงช่องแชตได้ เปิดแหล่งเองคือ "ใครตรวจแล้วบ้าง" ขอฝั่งตรงข้ามคือ "ฉันอยากให้มันจริงไหม" ถามสิ่งที่รู้คำตอบก่อนคือ "ถ้าผิด จะเห็นอะไร" ถามใหม่ในห้องใหม่คือ "บังเอิญได้ไหม" และเก็บการตรวจที่ไม่ใช้ AI ไว้หนึ่งอย่างคือ "เทียบกับอะไร"
AI ไม่ได้ทำให้คำถามห้าข้อหมดอายุ มันทำให้คุณต้องถามบ่อยขึ้น เพราะคำตอบมาเร็วขึ้น
ลองคืนนี้: ถาม AI หนึ่งเรื่องที่คุณอยากรู้จริง แล้วพาคำตอบผ่านห้าท่าครบทุกท่า จดว่าท่าไหนทำให้คำตอบเปลี่ยน ถ้าไม่มีท่าไหนเปลี่ยนอะไรเลย ก็จดไว้ด้วย เพราะนั่นก็เป็นผลการทดสอบเหมือนกัน
จะรู้ว่าบทนี้ผิดเมื่อ: มีการทดลองที่แบ่งคนใช้ AI เป็นสองกลุ่มด้วยการสุ่ม กลุ่มหนึ่งใช้ห้าท่านี้ อีกกลุ่มใช้ตามปกติ แล้วกลุ่มที่ใช้ห้าท่าเชื่อคำตอบผิดของ AI บ่อยพอๆ กันหรือบ่อยกว่า หรือการประเมินจากหลายทีมที่เป็นอิสระต่อกันพบว่า AI ที่ใช้กันทั่วไปเลิกประจบและเลิกแต่งแหล่งอ้างอิงแล้ว
หลักฐาน:
- OpenAI ปล่อยรุ่นปรับปรุงของ GPT-4o วันที่ 24–25 เมษายน 2025 และเริ่มถอนกลับวันที่ 28 เมษายน เพราะ "overly flattering or agreeable—often described as sycophantic" · สาเหตุตามคำของบริษัท การปรับหลายอย่างรวมกัน ทั้งสัญญาณรางวัลใหม่จากปุ่มยกนิ้วขึ้นลง ความจำ และข้อมูลที่ใหม่กว่า ทำให้สัญญาณหลักที่คุมการประจบอ่อนลง และเสียงของผู้ใช้น่าจะซ้ำเติมอาการนี้ · การทดสอบออฟไลน์และ A/B test ดูดี มีผู้ทดสอบที่ชำนาญบางคนรู้สึกว่าแปลก และบริษัทเขียนว่าการปล่อยคือ "the wrong call" · ผู้ใช้ 500 ล้านคนต่อสัปดาห์ — พอเชื่อ (คำของบริษัทเองเกี่ยวกับสินค้าของตัวเอง ในทางที่ไม่เป็นผลดีกับตัวเอง สาเหตุที่บริษัทวิเคราะห์ยังไม่มีคนนอกตรวจ) — OpenAI, 29 เมษายน 2025 https://openai.com/index/sycophancy-in-gpt-4o/ · 2 พฤษภาคม 2025 https://openai.com/index/expanding-on-sycophancy/
- Anthropic และ OpenAI ทดสอบโมเดลของกันและกัน เผยแพร่ผลพร้อมกันวันที่ 27 สิงหาคม 2025 · รายงานฝั่ง Anthropic พบการประจบที่น่าเป็นห่วงในหลายโมเดลของทั้งสองบริษัท รวมถึงการเห็นดีเห็นงามกับการตัดสินใจที่เป็นอันตรายของผู้ใช้จำลองที่เล่าความเชื่อซึ่งดูเป็นอาการหลงผิด แบบหลังนี้พบบ่อยเป็นพิเศษในโมเดลระดับสูงที่ใช้งานทั่วไปสองรุ่น บริษัทละหนึ่งรุ่น · อาการนี้ค่อยๆ เกิด โมเดลค้านก่อน แล้วเปลี่ยนเป็นให้กำลังใจเมื่อผู้ใช้ไม่ฟังไปไม่กี่รอบ — พอเชื่อ (การประเมินครั้งเดียว เขียนโดยหนึ่งในสองบริษัท และระบุโมเดลของตัวเองไว้ด้วย) — Anthropic Alignment Science, 27 สิงหาคม 2025 https://alignment.anthropic.com/2025/openai-findings/
- Tow Center for Digital Journalism ทดสอบเครื่องมือค้นหาแบบ AI 8 ตัวด้วยคำถาม 1,600 ข้อในเดือนกุมภาพันธ์ 2025 ใช้ข้อความจากข่าวที่รู้ต้นฉบับ ตอบผิดรวมกันเกิน 60% Perplexity ผิด 37% Grok 3 ผิด 94% รุ่นเสียเงินผิดอย่างมั่นใจมากกว่ารุ่นฟรี Grok 3 ส่งลิงก์ไปหน้าผิดพลาด 154 จาก 200 · ถามข้อละครั้ง และทีมเตือนเองว่าถามซ้ำอาจได้คำตอบต่าง · ทดสอบเฉพาะการอ้างอิงข่าว — พอเชื่อ (การทดสอบอย่างเป็นระบบหนึ่งครั้ง) — Columbia Journalism Review, 6 มีนาคม 2025 https://www.cjr.org/tow_center/we-compared-eight-ai-search-engines-theyre-all-bad-at-citing-news.php
- ผู้ใช้ชาวญี่ปุ่นขอให้ GPT-5 หางานทบทวนเรื่องกรดซาลิไซลิกกับการป้องกันตัวของพืช หลายชิ้นจากราวสิบชิ้นตามหาไม่เจอ และโมเดลยอมรับว่าสร้างบางชิ้นขึ้นเอง · ถามซ้ำภายหลังได้งานจริงทั้งหมด · เขาเสนอให้ขอ DOI และจำนวนการอ้างอิงเป็นตาราง — ยังบาง (ผู้ใช้คนเดียว) — note.com, 15 กันยายน 2025 https://note.com/natty_zebra3568/n/n31149cde3639
- Scott Aaronson ขั้นสำคัญในบทพิสูจน์มาจาก GPT5-Thinking คำตอบแรก "confident, plausible-looking, and (I could tell) wrong" หลังเขาบอกว่ารู้ได้อย่างไรว่าผิด มันเสนอฟังก์ชันที่ใช้ได้ "as we could easily check ourselves with no AI assistance" · ผู้แสดงความเห็นชี้ว่าเป็นฟังก์ชันที่รู้จักกันแล้วในงานวิจัย และ Aaronson เขียนเพิ่มว่ามันควรเห็นได้เองถ้ารู้วรรณกรรมมากกว่านี้ — ยังบาง (ประสบการณ์ตรงของคนคนเดียว) — Shtetl-Optimized, 27–29 กันยายน 2025 https://scottaaronson.blog/?p=9183
- Bob Carpenter ให้ GPT-5 เขียนแบบจำลองใหม่ "it worked on the first try" ผลตรงกับการรันแบบจำลองเต็มที่นานกว่ามาก และเขาเขียนว่าจะ "double check all the math" ก่อนใส่ลงคู่มือ — ยังบาง (ประสบการณ์ตรงของคนคนเดียว) — Statistical Modeling, Causal Inference, and Social Science, 9 กันยายน 2025 https://statmodeling.stat.columbia.edu/2025/09/09/show-dont-tell-chatgpt-5-marginalizing-gelmans-measurment-error-model-in-stan/
- ถ้าแต่ละขั้นถูก 99% งานร้อยขั้นจะถูกครบทุกขั้นราว 37% (0.99 ยกกำลัง 100 เท่ากับ 0.366) — แน่น (เลขคณิต) — คำนวณโดยเล่มนี้
- เครื่องมือแยกข้อความที่ AI เขียนของ OpenAI บนชุดทดสอบภาษาอังกฤษ จับข้อความของ AI ได้ 26% และตีตราข้อความที่คนเขียนว่าเป็นของ AI 9% · ปิดให้บริการตั้งแต่ 20 กรกฎาคม 2023 "due to its low rate of accuracy" — พอเชื่อ (ตัวเลขของบริษัทเอง ในทางที่ไม่เป็นผลดีกับตัวเอง) — OpenAI, 31 มกราคม 2023 https://openai.com/index/new-ai-classifier-for-indicating-ai-written-text/ · รายงานผ่านคนกลาง https://blog.sciencenet.cn/blog-41174-1375211.html
- ท่าที่มีคนเล่าว่าช่วย · เก็บคำถามวิจัยข้อหนึ่งในสาขาที่ตัวเองรู้ลึกไว้ถามทุกครั้งที่อยากวัดความรู้ของโมเดล (Hacker News, 28 กุมภาพันธ์ 2026) · เสนอสมมติฐานหลายข้อที่ไม่ซ้อนกันแล้วขอความน่าจะเป็นแต่ละข้อ (Hacker News, 4 มกราคม 2026) · สั่งให้หางานที่ไม่พบผลและงานที่ค้าน แล้วตรวจซ้ำในห้องใหม่ (Hacker News, 29 มกราคม 2026) · ให้โมเดลสองตัวตรวจงานกัน (Hacker News, 1 กุมภาพันธ์ 2026) · ขอ DOI เป็นตาราง (note.com, 15 กันยายน 2025) — ยังบาง (แต่ละท่ามาจากคนคนเดียว วิธีจับว่าไม่ได้ผลอยู่ในเนื้อเรื่อง) — https://hn.algolia.com/api/v1/search?query=deep%20research%20my%20field&tags=comment&hitsPerPage=20&numericFilters=created_at_i%3E1733011200 · https://hn.algolia.com/api/v1/search?query=sycophantic%20my%20research&tags=comment&hitsPerPage=12&numericFilters=created_at_i%3E1735689600 · https://hn.algolia.com/api/v1/search?query=subtly%20wrong%20analysis%20my&tags=comment&hitsPerPage=12&numericFilters=created_at_i%3E1704067200 · https://note.com/natty_zebra3568/n/n31149cde3639