Naukowcy z arXiv przeanalizowali problem, że duże modele językowe zmieniają swoje odpowiedzi na pytania moralne w zależności od sformułowania, mimo że logicznie pytania pozostają równoważne - zjawisko nieobserwowane u ludzi. Za pomocą specjalnie zaprojektowanego testu psychometrycznego, który przerzucał każdy nielogiczny czynnik w zrównoważonych parach, odkryli sedno problemu.
Okazało się, że głęboki moralny osąd modeli pozostaje prawie niezmienny niezależnie od formatu pytania - współczynnik niespójności wynosi zaledwie 0,12-0,21 w skali plus-minus jeden. Natomiast bias pojawia się na powierzchni, gdy wymuszamy odpowiedź poprzez pytanie yes/no. Są trzy składniki artefaktu: przede wszystkim bias kolejności - modele bardziej wybierają ostatnio wypisaną opcję, co jest odwrotem klasycznego efektu pierwszeństwa u ludzi. Po drugie, leksykalne przyciąganie do słowa nie. Po trzecie, złożona interakcja struktury pytania. Efekt jest największy w modelach Claude (średnio od -0,32 do -0,86), praktycznie zerowy dla GPT-5.5 i Gemini, i zmniejsza się przy wykorzystaniu extended reasoning.
Kiedy badacze zamienili słowa tak/nie na dowolne etykiety, bias logiczny zniknął, ale pozostały artefakty przypisane do formy etykiet i kolejności. Odkrycie sugeruje, że obserwowane przesunięcia w odpowiedziach AI to głównie rezultat technicznego szumu w przetwarzaniu, a nie rzeczywiste zmiany w moralnych preferencjach modeli - ważna lekcja dla aplikacji wymagających spójności w decyzjach.