GPT-5.6 Sol 等模型如何受论证来源影响

一项新研究测试了 GPT-5.6 Sol、Claude Opus 5.5、Gemini 4 Argon 和 DeepSeek Flash 在评估相同论证时，改变声称来源对结果的影响。结果显示“可信度”维度最敏感，且存在“无关领域专家惩罚”现象，即归因于无关专家反而比无来源更降低可信度。该预印本尚未经过同行评审，作者正寻求关于设计解释的批评意见。