Drie AI-modellen zijn het erover eens dat uw code veilig is. Dat lijkt op drie bevestigingen; het kan één fout zijn, drie keer geteld. Deze gids in begrijpelijke taal legt uit waarom modellen van verschillende leveranciers toch op dezelfde manier kunnen falen, wanneer onderlinge overeenstemming als bewijs telt, en wat u in plaats daarvan moet controleren.
Begeleidende tekst bij Agentic Stemmatics: Collation, Provenance, and Conservation for an Emerging Machine Textual Tradition (Soons, 2026, v1.35; doi:10.5281/zenodo.22030516 (de concept-DOI: een DOI die altijd verwijst naar de laatst gedeponeerde versie); laatste depot v1.35, gedeponeerd op 25 sep 2026, versie-DOI 10.5281/zenodo.22959463)
Wilt u een review laten uitvoeren? Begin met deel 6, over wat een opdrachtgever wel en niet mag afleiden; de andere delen geven de redenering erachter.
Dit document is de opstap: een kortere, eenvoudiger formulering van hetzelfde argument, geschreven zodat een lezer zich kan oriënteren voordat het paper zelf aan de beurt is; of in plaats van het paper, als het gaat om de vorm van het idee en niet om de volledige verdediging ervan.
Wat er werkelijk wordt beweerd. Waar het om gaat (waar het hele paper over gaat), is of het vonnis van een AI-model kan worden vertrouwd op zijn eigen woord, zonder dat er iets wordt uitgevoerd, zoals een historicus omgaat met het verslag dat een document geeft van een gebeurtenis die geen nu levende getuige heeft meegemaakt; niet zomaar geloofd, maar gewogen, kruiselings gecontroleerd en toegeschreven. Dat is de open vraag. Ze is nog niet beantwoord. Ze is beperkter en moeilijker dan wat als werkelijk wordt erkend: engineers komen soms achteraf te weten of het vonnis van een AI-model over een stuk code juist was, door de test te draaien, de code uit te voeren of haar te controleren aan de hand van wat een specificatie werkelijk zegt (wat beslecht wat de specificatie zegt, en niet of de specificatie zelf juist is, of de onderliggende bewering van het vonnis over de wereld klopt); iets wat soms gebeurt, geen permanent beschikbaar vermogen waarop iemand op verzoek kan rekenen. Of een antwoord op die vraag betrouwbaar genoeg zou zijn om te verkopen, is een afzonderlijke, nog moeilijkere vraag die het paper uitdrukkelijk niet behandelt: het zegt ronduit dat dit niet is gemeten, en dat de auteur een financieel belang heeft bij het antwoord, wat het paper bekendmaakt in plaats van te verbergen.
De regel waaraan dit document is gebonden. Dit is een inleiding, geen samenvatting: ze probeert u op het punt te brengen waarop u de conclusies zelf zou kunnen trekken. Dezelfde regel als die van de Prolegomena (een langer begeleidend document, nog niet gepubliceerd; zie deel 7): ze mag niets zeggen wat het paper niet zegt. Waar een zin hier eenvoudiger is dan die van het paper, is dat precies waarvoor hij is geschreven. Waar een zin hier sterker is (waar hij meer beweert dan het paper beweert), is dat een gebrek in dit document, geen ontdekking over de praktijk (de praktijk is CounterProof, dat review verkoopt volgens de methode van het paper); waar dit document en het paper elkaar tegenspreken, vertrouw dan het paper. Alles hier wat leest als een belofte, kan worden gecontroleerd aan de hand van §13 van het paper zelf, dat ronduit zegt wat wordt beweerd en wat wordt geweigerd.
Elk geleend woord blijft geleend. Het paper grijpt naar woorden uit een oud, niet-verwant vakgebied: de studie van hoe handschriften worden gekopieerd, verkeerd gekopieerd en uiteindelijk eeuwen later door geleerden worden gereconstrueerd (het titelwoord van het paper, stemmatics, in het Nederlands stemmatologie, benoemt het deel van die studie dat het paper leent; zie deel 3). Dat lenen is geen versiering: het probleem om uit te zoeken welke van meerdere bedorven kopieën te vertrouwen is, heeft een formele, al bestaande discipline achter zich. Dit document gebruikt die woordenschat alleen waar ze haar plaats verdient, en elke term wordt eenvoudig uitgelegd wanneer hij voor het eerst voorkomt.
Een gewoon computerprogramma kan in principe regel voor regel worden gelezen: zijn gedrag volgt uit zijn tekst, en een lezer met genoeg geduld kan de weg van oorzaak naar gevolg volgen. De output van een taalmodel werkt niet zo, en niet omdat die ingewikkeld is, zoals een grote codebase ingewikkeld is: de output is helemaal geen stapsgewijze afleiding. Het is een bewering: deze code is correct, hier bestaat geen kwetsbaarheid, deze tests slagen. Zelfverzekerdheid, vloeiendheid en interne consistentie vertellen u niet betrouwbaar of de bewering gerechtvaardigd is.
Het structurele feit waaruit al het andere in dit document volgt: hetzelfde mechanisme dat een goed onderbouwd antwoord voortbrengt, brengt ook een ongegrond antwoord voort. Er loopt onderzoek naar de vraag of een intern signaal in het model de twee in principe zou kunnen onderscheiden; en vroege resultaten wijzen erop dat zelfs de eigen geschreven uitleg van een model over zijn redenering kan afwijken van de feitelijke berekening die het antwoord opleverde, wat op zichzelf al een reden tot voorzichtigheid is. Maar die onderzoeksvraag staat niet ter beschikking van iemand die het model dagelijks gebruikt. Uit de vloeiendheid van het antwoord of uit wat het over zichzelf zegt, kan een lezer de twee gevallen niet betrouwbaar onderscheiden, en er moet toch een beslissing worden genomen.
Dus: behandel de output van een AI zoals een rechtbank of een historicus een getuigenverklaring behandelt; als iets wat moet worden gewogen, kruiselings gecontroleerd en toegeschreven, nooit vertrouwd vanwege de manier waarop het wordt gebracht, en nooit zomaar uitgemiddeld met andere getuigenissen alsof overeenstemming alleen al iets beslechtte.
Eén correctie, vroeg gemaakt omdat al het andere ervan afhangt: wat u moet wantrouwen, is niet één enkele output; het is de hele neiging van het model dat die output voortbracht. Stel hetzelfde model twee keer dezelfde vraag en u kunt twee verschillende antwoorden krijgen. Die instabiliteit is informeel waargenomen in het eigen werk van deze praktijk, maar ze wordt hier niet gepresenteerd als een gemeten frequentie: er wordt geen getal geclaimd. Het kwalitatieve punt alleen volstaat al om een correctie af te dwingen: elk afzonderlijk antwoord is één trekking uit een verdeling van mogelijke antwoorden die een bepaald model geneigd is te produceren. Dat heeft een ongemakkelijk gevolg dat het paper volledig aanvaardt: zelfs een bevinding die een ernstig probleem signaleert, is zelf één trekking; een bewering die nog moet worden gecontroleerd aan de hand van de echte code, geen vonnis alleen omdat ze alarmerend klinkt. De kosten van die controle moeten worden ingeprijsd, niet als gratis worden verondersteld.
Twee soorten vragen. Voor sommige vragen over een stuk code is een mechanisch antwoord beschikbaar: voer het uit, controleer de types, test het, bewijs het, of zoek op wat een specificatie werkelijk zegt. Noem dit beslisbare vragen: niet in de strikte wiskundige zin van de berekenbaarheidstheorie, alleen in de praktische zin dat een mechanische controle de vraag beslecht. Hiervoor hebt u geen panel van AI-meningen nodig. U moet het ding draaien.
Voor andere vragen is zo'n mechanische controle niet beschikbaar: is dit ontwerp deugdelijk, is dit een echt defect als niemand het kan reproduceren, hoe ernstig is dit werkelijk, wat betekent deze contractbepaling. Noem dit oordeelsvragen. Er draait niets wat ze beslecht: een vonnis moet worden opgebouwd uit getuigenissen.
De asymmetrie doet ertoe. Bij een beslisbare vraag is er één feitelijke stand van zaken, en de mechanische controle bereikt die. Bij een oordeelsvraag is er misschien helemaal geen enkel juist antwoord om naartoe te convergeren: codekwaliteit hangt vaak werkelijk af van welke specificatie u hanteert, en twee reviewers die het oneens zijn, beantwoorden misschien eenvoudigweg twee verschillende, allebei legitieme vragen, in plaats van dat een van beiden bedorven is.
De vraag die dit hele onderzoeksprogramma bedoeld is te beantwoorden, in één zin:
Hoe komt u tot een betrouwbaar vonnis op basis van meerdere getuigen, wanneer geen van hen afzonderlijk betrouwbaar is en u niet weet of ze werkelijk onafhankelijk van elkaar zijn, of allemaal dezelfde fout maken om dezelfde reden?
Dat valt uiteen in drie deelvragen:
Het paper noemt het met elkaar vergelijken van de antwoorden van meerdere AI-reviewers, om uit te zoeken welke te vertrouwen zijn, collatie (zie Woordenlijst: Collatie).
Een voor de hand liggende reactie is meerdere modellen dezelfde vraag te stellen en af te gaan op wat de meeste zeggen. Overeenstemming kan een bewering versterken wanneer de relevante afhankelijkheid tussen de reviewers is beoordeeld. Het paper stelt geen volledige regel vast voor wanneer meerderheidsstemming betrouwbaar is.
Waarom dit geen theoretische zorg is (de werkelijke cijfers). Bij meer dan 350 modellen, getest op twee openbare ranglijsten en een screeningstaak, komen twee modellen die allebei iets fout hebben, veel vaker dan op grond van toeval te verwachten is uit op hetzelfde foute antwoord: gemiddeld in 60% van de gevallen op de ene ranglijst en 42% op de andere. Paren uit verschillende bedrijven zijn overal meegenomen; het model van de studie schrijft op de ene ranglijst meer van de overeenstemming toe aan capaciteit dan aan een gedeelde leverancier, op de andere omgekeerd, en het grootste deel aan geen van beide: en de studie rapporteert geen analyse die beperkt is tot paren uit verschillende bedrijven. En capabelere modellen maken meer gecorreleerde fouten, niet minder (Kim, Garg, Peng & Garg, ICML 2025). Als capaciteit die correlatie zowel tussen als binnen bedrijven aandrijft, zo leidt het paper af, dan maakt een groep capabelere modellen van verschillende bedrijven meer gecorreleerde fouten dan een vergelijkbare groep zwakkere modellen, wat de mix van bedrijven zelf ook bijdraagt. Of dit in de loop van de tijd verandert, is niet gemeten: de bevinding is een momentopname, geen trend.
Twee opvattingen die allebei half gelijk hebben. Het ene kamp zegt dat overeenstemming tussen meerdere reviewers betekenisvol bewijs is; zonder die overeenstemming zou het reviewen van AI-output hopeloos zijn, want elke afzonderlijke reviewer is, toegegeven, onbetrouwbaar en er is geen beter middel voorhanden. Het andere kamp zegt dat overeenstemming waardeloos is: dat meerdere reviewers op hetzelfde antwoord uitkomen, is precies wat u zou verwachten als ze een gemeenschappelijke oorzaak delen (overlappende trainingsdata, vergelijkbare trainingsmethoden, een klein aantal onderliggende modelfamilies).
Onafhankelijkheid moet worden behandeld als iets wat wordt gemeten, niet als iets wat wordt aangenomen: en ze moet afzonderlijk worden gemeten voor elke soort vraag die u stelt. Twee AI-systemen kunnen bij vragen over bugs in de geheugenveiligheid vrijwel onafhankelijk van elkaar zijn, en bij vragen over het ontwerp van cryptografische protocollen in feite één enkele getuige zijn met twee namen. Leverancierslabels alleen stellen voor geen van beide soorten vragen vast hoe afhankelijk de fouten van de reviewers zijn. Voorgesteld als twee tegengestelde kampen (een toneelgreep, geen bewering dat dit de enige twee werkelijke posities zijn, of dat iemand ze werkelijk zo zuiver aanhangt), delen beide kanten één onjuiste aanname: dat “onafhankelijk” iets is wat een reviewproces ofwel heeft ofwel niet heeft, beslist op het moment dat u het panel samenstelt. Die gedeelde aanname wordt hier opgelost, niet het diepere praktische probleem eronder. Beide kampen hebben gelijk onder een voorwaarde: overeenstemming kan een bewering versterken wanneer de relevante afhankelijkheid tussen de reviewers is beoordeeld. Overeenstemming tussen reviewers van wie de correlatie niet is gemeten, is een aflezing van een instrument waarvan niemand heeft gecontroleerd of het werkt.
Zelfs op deze oplossing rusten twee beperkingen, allebei uit het paper zelf. Ten eerste is het instrument dat dit meten zou doen (per soort vraag bijhouden hoe vaak twee reviewers dezelfde fout maken, en hoe ver hun gewoonten uiteenliggen) voorgesteld, maar niet gebouwd. Ten tweede kan onafhankelijkheid nooit volledig worden geverifieerd vanuit het panel dat erop steunt. Meten verkleint uw onzekerheid. Niets neemt die volledig weg. Dat is een blijvende beperking die het paper permanent meedraagt, geen kanttekening die later wordt opgelost.
Dus, zorgvuldig geformuleerd: meerderheidsstemming is onveilig specifiek waar de onafhankelijkheid van reviewers niet is gemeten of bekend is dat die tekortschiet, en om twee verschillende redenen. Ten eerste wordt gecorreleerde overeenstemming geteld alsof het bevestiging is, terwijl het in werkelijkheid dezelfde fout is die meerdere keren opduikt. Ten tweede gooien eenvoudige stemdrempels minderheidsmeningen weg, precies in de gevallen waarin de gecorreleerde meerderheid een blinde vlek deelt: al is dit tweede punt de eigen beredeneerde gevolgtrekking van het paper uit het eerste, niet iets wat een van beide onderliggende studies rechtstreeks heeft gemeten.
Dit is een voorwaardelijke bewering, geen algehele afwijzing van stemmen. Er is een echt, serieus argument voor stemmen in de juiste omgeving (precisie, het vermijden van moeheid door vals alarm, goedkope eerste triage op schaal, echte statistische winst wanneer onafhankelijkheid werkelijk opgaat), en de eigen reviewers van het paper brachten precies dit argument in; het paper geeft toe dat het onbeantwoord bleef, in plaats van om dat gat heen te draaien. Eén preprintstudie (nog niet peer-reviewed) vond dat een meerderheidsstemming het achteraf uitgekozen beste afzonderlijke model versloeg in ongeveer 10% van de groepen van drie modellen op één specifieke benchmark (MMLU-Pro), en in ongeveer 19% wanneer het beste model werd gekozen op achtergehouden vragen; de auteur ervan beschrijft het verband tussen meer gedeelde fouten en minder winst als bescheiden en afhankelijk van de opzet. Waar het doel snelle triage onder alarmmoeheid is en niet het reconstrueren van wat objectief waar is, is stemmen een legitiem instrument. Waartegen bezwaar wordt gemaakt, is het presenteren van een kortere weg voor triage alsof het een procedure is om de waarheid te vinden.
Evenmin volgt eruit dat wie het met de meerderheid oneens is, gelijk heeft. Een eerdere versie van het paper maakte die fout (een redenering die netjes aanvoelde maar in feite circulair was) en moest haar terugnemen. Er volgt alleen dit uit: bij gecorreleerde meerderheden is een proces dat afwijkende meningen bewaart en onderzoekt de enige soort proces dat een bevinding die alleen een minderheid aandraagt maar die waar is, ooit kan terugwinnen. Afwijken geeft een bevinding op zichzelf geen bijzondere geloofwaardigheid: het houdt de bevinding alleen lang genoeg in leven om te worden gecontroleerd.
Over afwijkende meningen. De ene opvatting zegt dat een afwijkende reviewer altijd moet worden onderzocht, anders wordt een gecorreleerde meerderheid nooit gecorrigeerd en gaat het hele nut van meerdere reviewers verloren. De andere opvatting zegt dat een afwijkende reviewer terzijde moet worden geschoven, anders krijgt elke afzonderlijke koppige of gecompromitteerde reviewer in feite een veto, en wordt het proces een denial-of-service-aanval op zichzelf. Een afwijkende mening moet dus niet automatisch worden geloofd en niet automatisch terzijde worden geschoven: ze moet naar een mechanische controle worden doorgestuurd, waar die ook bestaat. Een afwijkende mening is geen autoriteit maar een verzoek om bewijs, en het juiste antwoord is de test draaien, de specificatie lezen, de code uitvoeren, niet een tweede stemming houden. Waar geen mechanische controle bestaat, is dit antwoord onvolledig, en dat zegt het paper ook: er is geen regel om de knoop door te hakken bij geschillen die niet mechanisch kunnen worden beslecht, en geen kostenmodel; alleen de eis dat de kosten van het najagen van elke afwijkende mening eerlijk worden ingeprijsd in plaats van als gratis te worden verondersteld. Wie “stuur het naar bewijs” leest als een afgeronde procedure, heeft een eis aangezien voor een implementatie.
Deze aanpak kost iets reëels, en het paper noemt die kosten in plaats van ze te verbergen. Vier afzonderlijk in opdracht gegeven reviews van het eigen ontwerp van het paper (“afzonderlijk in opdracht gegeven” omdat dat een feit is over hoe de reviewers zijn verkregen, geen gemeten bewering dat hun conclusies onafhankelijk tot stand kwamen) kwamen, zonder dat ze daartoe waren aangezet, uit op dezelfde kritiek: de aanpak geeft een koppige reviewer in feite vetorecht; ze heeft geen ingebouwde grens aan het aantal valse alarmen dat ze kan genereren; ze beloont overmatig signaleren, omdat een bevinding die niet kan worden weggestemd gewoon vaker zal worden ingebracht; en ze legt het laatste woord bij één menselijke beslisser die zelf niet wordt onderzocht en die, in het geval van deze praktijk, iemand is met een bekendgemaakt financieel belang bij de uitkomst. Het paper zegt dus ronduit dat deze aanpak alleen werkt in een beperkte omgeving: review met een laag volume en hoge belangen, waar mechanische controles beschikbaar zijn en panels klein worden gehouden. Ze schaalt niet naar screening met een hoog volume, en ze wordt ook niet aangeboden alsof dat wel zo is. Ingezet waar echte minderheidsbevindingen zeldzaam zijn en de ruis groot is (een omgeving met lage prevalentie en veel ruis), wordt ze een machine die vals-positieven produceert.
Dus: hoe is betrouwbare collatie eigenlijk mogelijk? Het werkelijke antwoord is voorwaardelijk, en beperkter dan het op het eerste gehoor misschien klinkt. Het bestaat uit twee afzonderlijke delen:
Eerste deel: overeenstemming. Overeenstemming tussen reviewers kan een bewering versterken waar hun afhankelijkheid bij die specifieke soort vraag werkelijk is beoordeeld. Het paper biedt geen volledige regel voor wanneer stemmen betrouwbaar is.
Tweede deel: het reconstrueren van één “waar” antwoord. Dit is een afzonderlijke en beperktere bewering: taal over het terugwinnen van één definitieve grondwaarheid is alleen van toepassing op beslisbare vragen, waar een mechanische controle bestaat die hoe dan ook zwaarder weegt dan welk panel ook. Bij oordeelsvragen neemt een panel van reviewers een steekproef van meningen: het wint geen verloren oorspronkelijk feit terug, want bij veel oordeelsvragen is er misschien geen enkel feit om terug te winnen. Dat “reconstructie” noemen, is de te verregaande bewering die een eerdere versie van het paper deed en later introk.
Vandaag is aan het eerste deel niet voldaan: de meting die u zou vertellen of onafhankelijkheid werkelijk opgaat, is nog niet gebouwd. Dat alleen al bepaalt de praktische conclusie: geen enkel vonnis dat alleen op getuigenissen berust, wordt op dit moment door het paper ondersteund; niet omdat overeenstemming beperkt is tot alleen beslisbare vragen (dat is ze niet), maar omdat de voorgestelde beoordeling van de afhankelijkheid tussen reviewers niet is geïmplementeerd, en het paper geen rechtvaardiging op grond van getuigenis alleen heeft vastgesteld. En reconstructie was nooit een tweede route naar dezelfde bestemming: waar een mechanische controle bestaat, kwam de rechtvaardiging (wat het geloof in een vonnis rechtvaardigt) altijd van die controle, niet van het panel; waar geen mechanische controle bestaat, trekt het paper de sterkere bewering in, in plaats van een vermogen te beloven dat het niet heeft gebouwd.
Daaruit volgen twee consequenties. Ten eerste: van geen enkel domein wordt bevestigd dat getuigenis alleen er voldoende rechtvaardiging is, en evenmin wordt aangetoond dat zo'n domein niet bestaat. De vraag blijft open, precies waar de nog niet gebouwde meting van onafhankelijkheid haar laat.
Ten tweede: in de tussentijd worden vonnissen afgesloten zoals deze praktijk ze vandaag werkelijk afsluit (deel 6); wat collatie oplevert, is waarvoor ze is ontworpen: goedkope, doorlopende triage met brede dekking die een zorgvuldigere, duurdere controle vertelt waarop die zich moet richten (voorgesteld, en nog niet op echte schaal uitgevoerd of bewezen: een afzonderlijke, praktische beperking, geen verdere onvervulde voorwaarde die een rechtvaardiging op grond van getuigenis alleen in de weg staat), samen met een dossier: bevindingen die waar mogelijk naar mechanische controles zijn doorgestuurd, afwijkende meningen die zijn bewaard in plaats van weggegooid, en de resterende afwegingen beslist door een mens met naam en toenaam. Als een gepland toekomstig experiment ooit een geval oplevert waarin collatie zelf, op eigen kracht, een gerechtvaardigd vonnis levert, zou dat het eerste echte geval zijn waarin de bovenstaande open vraag wordt beantwoord: tot dan is elk zulk voorbeeld alleen een belofte, geen resultaat.
En boven dit alles zit één hard plafond. De hele methode kan alleen kiezen uit bevindingen die een reviewer werkelijk heeft ingebracht. Ze kan geen defect aan het licht brengen dat elke afzonderlijke reviewer heeft gemist. Als elk model dezelfde blinde vlek deelt en geen ervan afwijkt, is de methode er structureel blind voor: door haar constructie, niet door pech. Dat verhelpen hoort bij een heel andere gereedschapskist (interpretabiliteitsonderzoek naar de modellen zelf, of een mechanische controle die het rechtstreeks opvangt), en zover reikt dit programma niet.
Deel 2 eindigde met een eis (gemeten onafhankelijkheid) waaraan deel 2 zelf niet kan voldoen. De foutcorrelatie van reviewers kan rechtstreeks worden gemeten, taak voor taak; weten hoe twee reviewers verwant zijn, helpt die te verklaren. Geleerden die handschriften bestuderen, stonden voor precies dit probleem en bouwden er een formele methode voor: reconstrueer de stamboom van de kopieën (de boom heet een stemma en de methode stemmatologie, in het Engels stemmatics, het woord in de titel van het paper; agentic stemmatics is de naam die het paper voorstelt voor analoog werk met AI-modellen), en interpreteer overeenstemming tussen twee kopieën in het licht van hun plaats in die boom, niet alleen door te tellen hoeveel kopieën overeenstemmen.
De motor van die methode, en de voorwaarde die er altijd aan verbonden was. De klassieke methode draait op een specifiek soort aanwijzing: een gedeelde fout die zo willekeurig is dat het onwaarschijnlijk zou zijn dat twee onafhankelijke kopiisten er toevallig allebei op uitkwamen; wat betekent dat de gedeelde fout beter wordt verklaard doordat beide kopieën afstammen van een gemeenschappelijke bron die al gebrekkig was.
Die voorwaarde hoorde vanaf het begin bij de methode, al hing de toepassing ervan af van het oordeel van de geleerde. Gemakkelijke, voor de hand liggende fouten (eenvoudige verschrijvingen, natuurlijke “correcties” in de richting van gangbaardere formuleringen, gewone moderniseringen) worden uitdrukkelijk uitgesloten, juist omdat onafhankelijke kopiisten geneigd zijn diezelfde gemakkelijke fouten uit zichzelf te maken. Alleen een fout waarvan het werkelijk onwaarschijnlijk is dat ze toevallig ontstaat, draagt echte informatie over gedeelde afstamming. De biologie kent hetzelfde probleem onder een andere naam: convergentie, waarbij twee niet-verwante soorten onafhankelijk een vergelijkbare eigenschap ontwikkelen, tegenover echte gedeelde overerving, waarbij ze de eigenschap delen omdat ze een voorouder delen.
De fout die een eerdere versie maakte. Een eerdere versie van het paper beweerde dat gedeelde fouten tussen AI-modellen bewijs zijn van een gedeelde trainingsafstamming. Dat was onjuist, en de reviewers die het signaleerden, hadden gelijk: twee modellen die op overlappende data naar vergelijkbare doelen zijn getraind, kunnen op hetzelfde aannemelijke maar foute antwoord uitkomen zonder dat het ene het andere kopieert. De gebruikelijke verklaring, dat het foute antwoord eenvoudigweg de gemakkelijkste, meest waarschijnlijke fout is gegeven de manier waarop beide zijn getraind, is de werkhypothese en geen gemeten oorzaak (zie Attractor in de woordenlijst). Toegepast op AI-modellen geeft de eigen uitsluitingsregel van de tekstcritici, zoals het paper die wil gebruiken, een gedeelde modelfout alleen genealogisch gewicht wanneer het onafhankelijk optreden ervan onwaarschijnlijk zou zijn, op zichzelf of samen met andere gedeelde kenmerken. Gedeelde modelfouten komen veel voor, maar de studies die het paper in beschouwing neemt, stellen niet vast hoeveel ervan het AI-equivalent zijn van de “gemakkelijke verschrijving” en niet van de zeldzame, veelzeggende fout.
Die correctie is zelf een geval van het probleem van convergentie tegenover overerving dat beide bronvakgebieden (tekstwetenschap en biologie) al als hun centrale moeilijkheid behandelen. Het paper merkt de parallel op en weigert die vervolgens als steun voor zichzelf op te vatten (zie deel 4, “Een waarschuwing tegen al te gemakkelijk geloof in uw eigen raamwerk”). Ze wordt hier vermeld als bewijs dat het raamwerk intern consistent blijft, niets sterkers.
Waar het echte signaal wel zit. Modellen hebben stabiele gewoonten in woordkeuze, structuur en opmaak. De studie rapporteert een nauwkeurigheid van 97,1% bij het onderscheiden van vijf systemen en rapporteert ook robuustheid tegen parafrasering (Sun et al., ICML 2025).
Maar dat cijfer meet hoe goed u modellen van elkaar kunt onderscheiden; het meet niet hoe onwaarschijnlijk het is dat een bepaalde gewoonte toevallig ontstaat, en alleen het tweede rechtvaardigt een gevolgtrekking over gedeelde afstamming. Minstens één bekend voorbeeld van een modelgewoonte zakt duidelijk voor die test: verscheidene AI-modellen die na 2022 zijn uitgebracht, gebruiken een kleine set woorden (zoals “delve”) bovenmatig vaak; en dezelfde oververtegenwoordiging duikt op in door mensen geschreven wetenschappelijke teksten. Voor het patroon bij de modellen is een gedeelde trainingsaanpak één mogelijke verklaring, geen vastgestelde oorzaak. Wat de oorzaak ook blijkt te zijn, een gedeelde gewoonte als deze is geen bewijs dat het ene model van het andere afstamt: ze kan voortkomen uit toeval, uit een gedeelde manier van modellen bouwen of uit overerving, en de gewoonte alleen laat niet zien welke van de drie.
Het bruikbare signaal valt dus uiteen in twee kanalen die op verschillende gronden vertrouwen verdienen.
Ontworpen markeringen (meestal watermerken genoemd) zijn het zuivere geval. Een statistische markering die bewust is aangebracht in de output van een “leraar”-model, en later wordt teruggevonden in een “leerling”-model dat is getraind op de output van die leraar, waarvan slechts een deel gemarkeerd was, is door haar ontwerp zodanig dat het onwaarschijnlijk is dat ze onafhankelijk ontstaat, en dit soort overerving is werkelijk experimenteel aangetoond (Sander et al., NeurIPS 2024: aantoonbaar wanneer slechts 5% van de door de leraar gegenereerde fine-tuninginstructies de markering droeg, terwijl de rest ongemarkeerde output van dezelfde leraar was, en nog steeds bij 10% wanneer de rest door mensen geschreven tekst was, mits er toegang was tot de interne werking van de leerling). Pan et al., ACL 2025, toonden vervolgens aan dat een sterk aangeleerde markering gewone parafrasering overleeft, en wordt verwijderd door een aanvaller die de markeringsregel heeft achterhaald, door verdunning van de gemarkeerde tekst, of door een neutraliserende stap wanneer de leerling tekst genereert. Dit is het digitale equivalent van een oude truc van uitgevers: naslagwerken bevatten soms een bewust verzonnen lemma, dat moet onthullen dat een concurrerende uitgever van hen heeft overgeschreven. Een gewone fout stelt op zichzelf niet vast dat er is gekopieerd, omdat onafhankelijke makers dezelfde fout kunnen maken. Een bewust aangebracht kenmerk waarvan het onafhankelijk optreden onwaarschijnlijk zou zijn, levert een duidelijkere detector op.
Van nature optredende gewoonten verdienen dit vertrouwen nog niet. Ze vereisen dezelfde kritische blik als gedeelde fouten (een manier om te meten hoe onwaarschijnlijk het werkelijk is dat een gewoonte, of een set gewoonten samen, bij onafhankelijke training ontstaat) en geen van de studies die het paper onderzoekt, levert dat meetinstrument al. Een nauwere versie van deze test (een “leerling”-model rechtstreeks vergelijken met één specifiek, bij naam genoemd kandidaat-“leraar”-model, in plaats van te proberen het bij een van vele bekende systemen in te delen) is het instrument waarop het voorgestelde validatie-experiment van het paper zou moeten steunen, omdat het precies gericht is op de onwaarschijnlijkheidsvraag waar het om gaat.
De gecorrigeerde regel, het centrale voorstel van het paper (een regel die moet worden getest, geen vastgesteld resultaat):
In handschriften wordt gedeelde afstamming gedragen door significante gedeelde fouten. In AI-modellen, zo stelt het paper voor, wordt gedeelde afstamming gedragen door significante gedeelde gewoonten: waarbij “significant” precies betekent wat het altijd betekende: een gewoonte, of een set gewoonten die samen wordt beoordeeld met inachtneming van hun onderlinge afhankelijkheid, telt alleen als bewijs als onafhankelijk ontstaan werkelijk onwaarschijnlijk is, dezelfde lat waar een fout overheen moet, en niet elke stabiele, onderscheidende gewoonte komt over die lat. Gedeelde modelfouten komen veel voor en kunnen ontstaan zonder dat er iets wordt gekopieerd, maar de studies die het paper in beschouwing neemt, stellen niet vast welk deel zo is ontstaan; minstens één opvallende gedeelde gewoonte haalt de lat niet op grond van het huidige bewijs. De hele methode kan alleen van handschriften naar modellen worden overgebracht als deze onwaarschijnlijkheidsvoorwaarde (die een eerdere versie van het paper liet vallen) wordt hersteld en gecontroleerd, en niet wordt aangenomen voor een hele categorie bewijs. Zelfs dan zou dat op zichzelf niet genoeg zijn: een onwaarschijnlijk gedeeld kenmerk zegt op zichzelf niet welk model van welk afstamt, of langs welke weg.
Nog niet. Het is een onderzoeksprogramma met een toetsbare voorspelling: het paper betoogt dat een groeiende overdracht tussen modelgeneraties de stemmatologische vergelijking in de loop van de tijd beter zou kunnen laten passen. Het heeft die groei niet gemeten, en vermenging van bronnen of het verlies van zeldzame vormen zou afstamming in plaats daarvan moeilijker te reconstrueren kunnen maken. De tekstkritiek bestaat als vakgebied alleen omdat gekopieerde overleveringen in de loop van de tijd werkelijk bederven. Deze overlevering (de stroom van door AI gegenereerde tekst terug naar trainingsdata voor AI) is begonnen te bederven. Die waarneming, en niet een bewering dat een model letterlijk een handschrift is, is het eigenlijke argument. Tijd speelt hier maar in één richting een rol: ze heeft betrekking op hoe goed de basisvergelijking van het raamwerk bij de wereld past, niet op hoe betrouwbaar een bepaalde review die ermee wordt uitgevoerd vandaag is. (Waarom dat een reden is om het strenger te testen in plaats van het te geloven, en wat het zou weerleggen: “Wat dit werkelijk zou weerleggen”, hieronder.)
Het sterkste bezwaar. Een zorgvuldige scepticus kan alles in de delen 1 tot en met 3 toegeven en toch bezwaar maken: deze hele vergelijking is maar een analogie. Modellen zijn geen handschriften. Er is geen kopieerzaal, geen afstammingslijn van overdracht van hand tot hand, geen oorspronkelijke tekst die geleidelijk bederft: er is een trainingsrun. Gewone faalanalyse uit de techniek (iets wat betrouwbaarheidsingenieurs al decennia begrijpen zonder gespecialiseerde woordenschat te lenen) aankleden met taal die is geleend van de tekstkritiek, voegt nieuwe woorden toe en geen nieuw vermogen tot gevolgtrekking.
Het antwoord is het grootste deel ervan toe te geven: voor één specifieke periode. Als beschrijving van AI-modellen van ongeveer 2023–2024 heeft de scepticus gelijk. Op het foutenkanaal komen gedeelde fouten veel voor en kunnen ze ontstaan zonder dat er iets wordt gekopieerd, en de studies die het paper in beschouwing neemt, stellen niet vast welk deel zo is ontstaan, zoals deel 3 zegt. Door modellen gegenereerde tekst kwam ook vóór 2022 in training terecht, via een leerlingmodel dat werd getraind op de output van een leraar en via machinaal vertaalde tekst, ook tekst in webcollecties; deze voorbeelden laten zien dat zulke overdracht niet nieuw is, maar ze meten niet hoe groot die toen was of hoe die sindsdien is gegroeid. Die voorbeelden stellen overdracht vast, maar ze stellen niet vast hoeveel afstamming uit modeloutput kan worden gereconstrueerd. Gedeelde fouten alleen stellen geen afstamming vast; hun significantie moet worden beoordeeld volgens de voorgestelde regel.
Wat volgens het paper verandert, is het object van studie, niet het argument erover. De output van AI-modellen stroomt terug in de trainingsdata waarmee de volgende generatie modellen wordt gebouwd, en het paper betoogt, zonder het te hebben gemeten, dat deze terugstroom groeit, via vier afzonderlijke kanalen, elk een oude kopieerpraktijk onder een nieuwe naam:
Er volgen vier consequenties, elk met een nauwe parallel in de tekstkritiek.
Gelaagdheid. Elke generatie modellen kan traceerbare, dateerbare gewoonten achterlaten die latere generaties overerven: wat betekent dat het traceren van afstamming in principe gemakkelijker zou kunnen worden naarmate de overlevering voortschrijdt, al kunnen vermenging van bronnen en het verlies van zeldzame vormen ook de kenmerken uitwissen die het traceren nodig heeft. Hier geldt dezelfde voorwaarde als in deel 3: het ecosysteem zet voortdurend kandidaat-aanwijzingen af; of een aanwijzing, of een set aanwijzingen die samen wordt beoordeeld met inachtneming van hun afhankelijkheid, bij onafhankelijk ontstaan onwaarschijnlijk genoeg is om als bewijs van gemeenschappelijke afstamming te tellen, is precies de meting die geen van de studies die het paper onderzoekt al levert.
Modelcollaps (de AI-versie van handschriften die afdrijven naar de “gemakkelijkere” lezing). Modellen herhaaldelijk trainen op door AI gegenereerde output erodeert de zeldzamere, minder gangbare patronen in de data; gangbare, “veilige” constructies verdringen ongewone (Shumailov et al., Nature, 2024), al komen deze resultaten uit vervanging, waarbij synthetische data elke ronde echte data vervangen. Waar synthetische data zich in plaats daarvan naast echte data ophopen in plaats van die te vervangen, vonden experimenten met taalmodellen dat collaps in de onderzochte omstandigheden werd vermeden (Gerstgrasser et al., 2024: een preprint, en een bevinding die losstaat van de eigen beweringen van Shumailov et al., geen onderdeel ervan). Met dat voorbehoud is de parallel nauw: tekstcritici noemen het afdrijven naar de vertrouwdere, “gemakkelijkere” lezing tijdens het kopiëren lectio facilior (het woord van het paper voor dit afdrijven is banalisering, in het Engels banalisation); en het paper betoogt dat training met vervanging een vergelijkbaar patroon laat zien: een kopieerstap met verlies die het waarschijnlijke bevoordeelt, keer op keer herhaald, waardoor de zeldzame, ongewone inhoud afslijt. Bij modellen komt de voorkeur uit de training, bij handschriften uit kopieergewoonten; het paper beweert niet dat handschriften en modellen identiek zijn, en deze zin doet dat evenmin.
De waarde van de oudste gedateerde bron. Tekst die vóór 2022 is geproduceerd, wordt een uniek waardevol referentiepunt, om dezelfde reden waarom staal van vóór de kernproeven waardevol is voor natuurkundigen: niet omdat het intrinsiek beter materiaal is, maar omdat het dateerbaar is en de oudste grote laag die beschikbaar is, ook al is het niet vrij van door machines gegenereerde tekst; dat is het soort waarde dat telt bij het opbouwen van een nulmeting. Het paper betoogt dat deze eerdere laag waardevoller wordt naarmate de latere overlevering zich ontwikkelt, mits de herkomst ervan bekend is; de groei van die overlevering is niet gemeten. Bijhouden waar data vandaan kwamen, wordt in feite een archivistische discipline.
De geplante markering, vanuit de andere richting bekeken. Watermerktechnieken en vingerafdruktechnieken tegen kopiëren zijn, in de termen van dit raamwerk, bewust geplante aanwijzingen: en hun experimenteel aangetoonde overerving is de zuiverste bestaande demonstratie dat er überhaupt een overdrachtskanaal van de ene modelgeneratie naar de volgende bestaat.
Een kans voor conservering. Het paper stelt voor deze overlevering te bewaren terwijl ze zich vormt, in plaats van na eeuwen van verlies een reconstructie te proberen. Cryptografische hashes, verzegelde momentopnamen en registraties van waar data vandaan kwamen, zouden dat werk kunnen ondersteunen. En code is de best bewaarde soort tekst in deze hele overlevering: versiebeheersystemen kunnen de eerdere toestanden van een project bewaren, met hashes en tijdstempels, en ondertekende registraties wanneer het project die ondertekent. Waar de versiegeschiedenis bewaard is gebleven, hoeft de toestand van een codebase van vóór 2022 niet te worden gereconstrueerd als een verloren origineel; het kan een bestand zijn dat u kunt uitchecken. Als dit soort vooruitziend bewaren ergens kan slagen, dan hier.
Het gevolg voor de beveiliging. Code maakt deel uit van ditzelfde archief. Een gebrekkig codeerpatroon dat in het ene jaar wordt geschreven, wordt gecommit, binnengeschraapt en mogelijk twee jaar later in modellen ingetraind. Het loont om hier precies te zijn, want dit is juist het punt waarop een inleiding als deze het sterkst in de verleiding komt om te overdrijven. Ontworpen markeringen tonen overdracht aan, en het paper vermeldt ook bewijs uit referentiegebaseerde leraartests. Of van nature optredende gewoonten de reconstructie van afstamming ondersteunen, blijft onbeslist. Het argument uitbreiden naar codeerfouten die relevant zijn voor de beveiliging, is een verdere gevolgtrekking; het paper biedt geen rechtstreekse studie van die uitbreiding. De manier om erachter te komen is een geplande studie die specifieke defectpatronen terug in de tijd traceert. Als de uitbreiding wel opgaat, zouden kwetsbare codeerpatronen via de trainingsdata zelf kunnen worden overgeërfd in plaats van telkens onafhankelijk opnieuw te worden uitgevonden, en zou dit kanaal een echt doelwit zijn: iemand zou openbare coderepository's bewust kunnen bezaaien met een subtiel kapot patroon, en zo precies het voorbeeld vergiftigen dat een toekomstige generatie modellen zal leren na te bootsen. De scherpste versie van het risico: het gedeelde trainingscorpus is tegelijk een grens aan wat elke review kan weten en een concreet aanvalsoppervlak, en die twee samen maken van gecorreleerd falen iets wat een aanvaller bewust kan bewerkstelligen.
Twee gedateerde bewijsstukken van buiten het paper hebben betrekking op het gevolg voor de beveiliging: een vergiftigingsstudie van eind 2025 en het verslag van een praktijkdeskundige uit mei 2026. Het zijn uitdrukkelijke uitzonderingen op de regel uit deel 0, en ze staan in de Bijlage.
De bewering van het paper over de ontwikkeling in de tijd faalt als, over opeenvolgende modelgeneraties heen, reconstructie op basis van gedeelde gewoonten niet verbetert wanneer die wordt gecontroleerd aan de hand van bekende relaties tussen modellen; als overgeërfde kenmerken bij gewone trainingspraktijk slechts op toevalsniveau blijven bestaan; of als modeloutput die terugkeert in de training een verwaarloosbare bijdrage levert aan later modelgedrag.
Wat nu meteen kan worden getest, is beperkter. Bestaand onderzoek levert verscheidene kandidaat-methoden: bewust geplante markeringen traceren; een model vergelijken met één specifiek, bij naam genoemd kandidaat-leraarmodel; bij telkens twee modellen zoeken naar foute antwoorden die een niet-verwant model zelden geeft; en, om een model in te delen in een van een reeks bekende families, een gedeeld fout antwoord zwaarder laten tellen naarmate andere families het minder vaak geven. Over het eigen voorgestelde experiment van het programma zegt het paper dat alleen het deel met geplante markeringen vandaag kan worden uitgevoerd: een beperking van dit ene experiment, geen bewering dat geen enkele andere soort test ooit betrouwbaar zou kunnen blijken. De meer kenmerkend “tekstkritische” bewerkingen (veel getuigen tegelijk vergelijken, natuurlijke (niet geplante) gedeelde kenmerken groeperen tot een stamboom) worden pas werkbaar zodra er een echte meting bestaat van hoe onwaarschijnlijk het is dat een natuurlijke gewoonte, of een set gewoonten samen, onafhankelijk ontstaat, en deel 3 stelde vast dat geen van de studies die het paper onderzoekt die meting al levert. Stambomen op basis van gelijkenis in output bestaan al (§7.1 van het paper bespreekt de meest verwante, PhyloLM); wat de zoektocht van het paper niet vond, is een gevalideerde boom die is opgebouwd uit kenmerken die zijn gescoord op hoe onwaarschijnlijk het is dat ze toevallig ontstaan, en het paper behandelt die afwezigheid als voorlopig. De richting van het programma op lange termijn is duidelijk; hoeveel ervan dit jaar kan worden gebouwd en uitgevoerd, is veel minder.
Op het foutenkanaal loopt de bevinding de andere kant op (zie het begin van dit deel): capabelere modellen zijn meer met elkaar gecorreleerd, niet minder; gemeten over modellen op één moment, niet over generaties heen (deel 2). De tijd werkt ook tegen de methode, en het paper rekent zichzelf dat aan: als dit onderzoeksprogramma publiekelijk slaagt, zullen toekomstige modellen uiteindelijk worden getraind op beschrijvingen van zijn eigen methoden en gepubliceerde voorbeelden, zodat de detectors waarop dit programma steunt doelwitten voor optimalisatie worden, wat hun effectiviteit zou kunnen verminderen, en eventuele geplante markeringen voortdurend zullen moeten worden ververst om effectief te blijven. De betrouwbaarheid van de methode moet ook in de loop van de tijd worden getest. Publicatie zou de detectors ervan minder effectief kunnen maken, terwijl het paper tegelijk, zonder het te hebben gemeten, voorspelt dat de groeiende overlevering beter toegankelijk wordt voor stemmatologisch onderzoek. Een raamwerk dat alleen de helft hiervan zou uitdragen die het vleit, zou precies het falen begaan dat het bedoeld is op te sporen.
Een waarschuwing tegen al te gemakkelijk geloof in uw eigen raamwerk. Het is verleidelijk te concluderen dat een raamwerk dat de bezwaren tegen zichzelf van tevoren voorspelt, en dat voorspelt dat zijn onderwerp er steeds beter bij zal passen, daarom juist moet zijn. Dat redeneerpatroon (waarbij elke mogelijke uitkomst de theorie lijkt te bevestigen) heeft precies de vorm van een argument dat nooit werkelijk ongelijk kan hebben, en het paper markeert dit zelf als bekende zwakte, in zijn eigen paragraaf over beperkingen. Daarom wordt het hier ook verworpen. Een raamwerk dat in de loop van de tijd steeds beter bij zijn onderwerp past, is een reden om het strenger te gaan testen, geen reden om erin te gaan geloven.
Bij elkaar genomen is het praktische antwoord op de vraag uit deel 1: vier werkvoorwaarden, zowel voor de vonnissen waar deze praktijk achter wil staan als voor het grotere onderzoeksprogramma dat in de delen 3 en 4 wordt beschreven. Elke voorwaarde noemt iets wat in een gegeven geval kan blijken te ontbreken: en dat maakt dit tot een werkmethode in plaats van een geruststellend klinkende houding.
Dit is precies het soort paragraaf waarin te verregaande beweringen de neiging hebben ongemerkt binnen te sluipen.
Dezelfde praktijk bouwde ooit een waarborg die als enige taak had te voorkomen dat onbewezen beweringen van het type “niets gevonden” werden aanvaard: en een reviewer vond zes afzonderlijke manieren om die te omzeilen, waarvan geen enkele door de vijf eigen testgevallen van de waarborg was opgemerkt. De waarborg had precies de ziekte geërfd die hij moest opsporen. Er is geen laatste laag waar de vraag “wie controleert de controleurs?” verdwijnt: ze schuift alleen een niveau op, permanent.
Een methodologie wordt commercieel interessant op het punt waarop ze beloften begint te doen: en dat is het punt waarop de verleiding het grootst is om te overdrijven wat ze kan. Dit deel is daarom geschreven als een lijst van weigeringen, die aan de werkelijkheid kunnen worden gecontroleerd, in plaats van als een lijst van garanties, waarvan er op dit moment verscheidene onwaar zouden zijn.
Wat deze praktijk weigert te doen:
Wat een opdrachtgever niet mag afleiden: hier vermeld omdat een eerdere versie van juist dit document het fout had.
Een eerdere versie van dit soort inleiding beweerde dat de foutcorrelatie tussen de modellen in elk reviewpanel wordt gemeten voordat hun overeenstemming als betekenisvol wordt aanvaard. Dat is niet waar, want het instrument om die meting te doen bestaat nog niet. Het is voorgesteld, maar niet gebouwd. Twee eerdere pogingen om iets dergelijks te bouwen, mislukten allebei, op verschillende manieren: één vroege statistische test was achterstevoren opgezet; een latere controle mat uiteindelijk of twee reviewers letterlijk hetzelfde systeem waren, in plaats van of hun fouten werkelijk correleerden. De tweede fout werd door reviewers opgemerkt; de eerste is vastgelegd zonder te vermelden wie haar opmerkte. Wat deze praktijk vandaag doet, is zwakker dan een echte meting: reviewers worden betrokken uit verschillende onderliggende modelfamilies; convergentie weegt minder zwaar waar de manier waarop een vraag werd gesteld, reviewers mogelijk in de richting van hetzelfde antwoord heeft geduwd; en onenigheid waarvoor een mechanische controle beschikbaar is, wordt naar die controle gestuurd in plaats van naar een stemming. Het paper onderscheidt reviewprocedures: waar het zegt dat reviewers afzonderlijk of blind werkten, zag geen van hen het antwoord van een ander; de vermelding bij v1.37 legt vast dat in bevestigingsrondes van de reviews van v1.33 en v1.35 de bevindingen van andere zetels als materiaal werden meegegeven. Geen van beide procedures stelt een gemeten onafhankelijkheid van fouten vast. Dat is een discipline die is opgebouwd rond het idee van onafhankelijkheid. Het is geen meting van onafhankelijkheid.
Die correctie is het sterkste in dit deel, en de reden om dit deel überhaupt op te nemen: een praktijk waarvan het eigenlijke product zorgvuldige, gedisciplineerde omgang met bewijs is, kan niet eerlijk reclame maken voor een vermogen dat haar eigen methodologie elders als nog niet gebouwd vermeldt. Dit soort fout is nu twee keer gemaakt en opgemerkt. Een derde keer zou geen uitglijder meer zijn maar een patroon: en het juiste antwoord op dat risico is de beperking openbaar te vermelden, niet om in stilte voor te nemen de volgende keer voorzichtiger te zijn.
Waarom dit voor een opdrachtgever van belang zou moeten zijn. Wat deze methode oplevert, is een dossier dat is gebouwd om een sceptische lezer te doorstaan: of het dat werkelijk doet, is aan die lezer om te beoordelen, niet iets wat dit document voor zichzelf kan certificeren. Het legt vast:
Geen enkele score die voor dat alles in de plaats komt: wat dit raamwerk wantrouwt, is een vloeiend klinkende samenvatting van niet-gemeten overeenstemming, gepresenteerd alsof het bewijs is. Een score waarvan de formule vooraf vastligt, waarvan de uitsluitingen zijn vermeld en waarvan de tellingen uit een script komen in plaats van uit iemands indruk, is één legitiem instrument, van het soort dat dit programma zelf heeft gebouwd: geen bewering dat geen enkele andere soort score ooit betrouwbaar zou kunnen zijn, alleen dat dit de score is die al in gebruik is. Wat argwaan zou moeten wekken, is een getal dat wordt aangeboden in plaats van het onderliggende, opnieuw uitvoerbare dossier dat het zou moeten samenvatten. Of dit soort dossier zijn kosten waard is vergeleken met een sterk intern reviewteam, is een echt experiment dat het waard is om met een echte opdrachtgever uit te voeren: geen bewering om vooraf te doen, zonder het te hebben uitgevoerd. (De eigen meting van de praktijk uit augustus 2026, een uitdrukkelijke uitzondering in deel 5, vergeleek de volledige review met één goedkope ronde, niet met een intern team.)
Op dit alles rusten twee beperkingen, hier vermeld omdat een op verkoop gericht deel precies de plek is waar zulke beperkingen de neiging hebben in stilte te verdwijnen. Ten eerste: niets in dit raamwerk meet of de hoeveelheid institutionele voorzichtigheid die deze praktijk verkoopt, werkelijk in verhouding staat tot hoe vaak door AI gegenereerde output echt fouten bevat; en een praktijk die adversariële review verkoopt, heeft van nature een ingebouwd belang bij de overtuiging dat adversariële review nodig is. Die vraag moet als werkelijk open worden behandeld, met een reëel, bekendgemaakt belangenconflict dat erboven hangt. Ten tweede: zoals het paper meldt op grond van een controle op 23 augustus 2026, was geen van de werkelijke casusdossiers openbaar (geen rapport, geen reproduceerbaar artefact dat een buitenstaander zelf kon downloaden en uitvoeren). Die gedateerde controle ondersteunt een bewering over hoe het dossier was opgebouwd, niet een bewering dat een externe lezer het toen had kunnen testen. Het paper levert geen latere publicatiecontrole.
Dit document is bedoeld als toegangspunt, niet als vervanging van het paper of van de Prolegomena.
Drie dingen zijn het weten waard voordat u beslist wat u hierna leest:
Dit programma beweert niet dat het al een betrouwbaar instrument heeft gebouwd om AI-output te beoordelen. Het beweert iets beperkters en, als het standhoudt, nuttigers: een uiteenzetting van waaraan zo'n instrument werkelijk zou moeten voldoen, plus een reeks experimenten die die uiteenzetting onjuist zouden kunnen bewijzen. Het vervangt blind vertrouwen in AI-consensus door vier werkvoorwaarden (deel 5: laat mechanische controles voorgaan, behandel de hele neiging van een model als de echte getuige, meet onafhankelijkheid afzonderlijk voor elke soort vraag, en stuur onenigheid naar bewijs in plaats van naar een stemming), en zegt daarbij ronduit dat de derde daarvan op dit moment een discipline is, nog geen echte meting, en dat de gecontroleerde vergelijking die moest testen of iets hiervan betere code oplevert, werd geschrapt voordat ze liep (de eigen meting van de praktijk uit augustus 2026, een uitdrukkelijke uitzondering, staat in deel 5).
De korte versie van wat wordt voorgesteld: bouw de traceermethode (te beginnen bij de ene soort test die vandaag zuiver is) en controleer haar aan de hand van relaties tussen modellen die al publiek bekend zijn; bouw de meting van onafhankelijkheid en publiceer het eigen foutpercentage ervan; en verzegel het bewijs van vandaag nu, nu het nog kan worden verzegeld, voor wie dit alles later probeert te controleren. Het eerste daarvan zou deze hele these ernstig beschadigen als het mislukte; dat is precies de eigenschap die een echt voorstel hoort te hebben, en de reden dat het de moeite waard is om het uit te voeren.
Deze twee alinea's zijn uitdrukkelijke uitzonderingen op de regel uit deel 0 dat dit document niets zegt wat het paper niet zegt. Bij v0.15 zijn ze van deel 4 naar deze Bijlage verplaatst, waarbij alleen drie verwijzingen naar hun positie zijn gewijzigd. Bij v0.20 is de weergave van het bewijs voor overdracht in de alinea over de vergiftigingsstudie gecorrigeerd, zodat die naast ontworpen markeringen ook referentiegebaseerde leraartests erkent en dat bewijs onderscheidt van de overerving van gebrekkige codeergewoonten.
Toetsing. Over elke bevinding beslissen, of de reviewers het nu eens waren of niet, met een mechanische controle waar die bestaat en door een menselijke beslisser met naam en toenaam waar die niet bestaat; een bevinding wordt alleen afgesloten wanneer degene die haar inbracht, haar intrekt of het probleem tegen de code wordt aangetoond, nooit door stemmen te tellen. Overal tegenover uitmiddelen of stemmen gezet.
Attractor. In het paper gebruikt voor een foutattractor: een fout antwoord dat meerdere systemen onafhankelijk voortbrengen, zonder elkaar te kopiëren. De gebruikelijke verklaring (dat het eenvoudigweg de meest waarschijnlijke fout is, gegeven hoe ze zijn getraind) is een hypothese over de oorzaak, geen deel van de definitie. De metingen van het paper stellen vast dat gedeelde fouten veel voorkomen, maar niet welk deel zonder kopiëren is ontstaan. Een gedeelde fout stelt daarom op zichzelf geen afstamming vast. Onderzoek naar culturele evolutie gebruikt attractor ruimer, voor elke vorm die gangbaar en stabiel is, fout of niet; de betekenis hier is de engere.
Banalisering / modelcollaps. Wat er gebeurt wanneer AI-modellen herhaaldelijk en in hun geheel opnieuw worden getraind op door AI gegenereerde tekst, zonder dat er echte data worden teruggemengd: zeldzame, ongewone patronen slijten weg, en alles drijft af naar de gangbaarste, “veiligste” versie. Waar synthetische data zich in plaats daarvan naast echte data ophopen in plaats van die te vervangen, vonden experimenten met taalmodellen dat collaps in de onderzochte omstandigheden werd vermeden: het bewijs voor het effect komt uit het geval van vervanging.
Collatie. Het algemene proces waarbij meerdere getuigen met elkaar worden vergeleken om uit te zoeken wat waarschijnlijk betrouwbaar is. In dit document onderscheiden van, en bescheidener dan, reconstructie: collatie neemt steekproeven en controleert kruiselings; ze garandeert niet dat één waar antwoord wordt teruggewonnen.
Contaminatie / contaminatio. (1) In deel 4: door AI gegenereerde tekst die in trainingsdata terechtkomt. (2) Contaminatio, in de tekstkritiek: een kopie die lezingen uit meer dan één eerdere bron vermengt, waardoor haar afstamming moeilijker te traceren is; deel 7 past deze betekenis toe op dit document zelf.
Beslisbare vraag / oordeelsvraag. De twee soorten vragen uit deel 1: een vraag die een mechanische controle beslecht (de code uitvoeren, de types controleren, de test draaien, een specificatie raadplegen), in een praktische, alledaagse zin, niet de strikte wiskundige; en een vraag zonder mechanische manier om haar te beslechten (is dit ontwerp deugdelijk, hoe ernstig is dit probleem, wat betekent deze bepaling).
Distillatie. Bewust een nieuw, meestal kleiner AI-model trainen om de output van een gekozen groter “leraar”-model na te bootsen. Een van de vier kanalen waarlangs de modeloutput van vandaag de trainingsdata van morgen weer binnenkomt.
Trekking. Zie Afstamming.
Oordeelsvraag. Zie Beslisbare vraag / oordeelsvraag.
Lectio difficilior / lectio facilior. Termen uit de tekstkritiek voor de “moeilijkere, ongewonere lezing” tegenover de “gemakkelijkere, meer verwachte lezing” waar een kopiist bij herhaald kopiëren naartoe neigt. In navolging van het paper vergelijkt dit document het afdrijven naar de lectio facilior met modelcollaps bij training met vervanging.
Afstamming. In de zin van het paper (Engels: lineage) de eenheid om te vertrouwen (deel 5): de antwoorden van een model, opgevat als een verdeling en gekarakteriseerd door er herhaaldelijk uit te bemonsteren, waarvan elk afzonderlijk antwoord één trekking is, een steekproef en geen vast, herhaalbaar feit. De delen 3 en 4 gebruiken “afstamming” ook in de alledaagse betekenis van herkomst: welke modellen afstammen van, of zijn getraind op, welke.
Gemeten onafhankelijkheid / decorrelatie. Het idee dat met echte data moet worden gecontroleerd of twee reviewers werkelijk onafhankelijk van elkaar antwoorden, afzonderlijk voor elke soort vraag, in plaats van dat aan te nemen alleen omdat ze van verschillende bedrijven komen of “afzonderlijk bijeengeroepen” waren. “Gedecorreleerde zetel”, zoals gebruikt in de Appendix en in het wijzigingslogboek van het paper, legt de bedoeling van de praktijk op dat moment vast, geen gemeten eigenschap. De vermelding bij v1.37 van het paper legt vast dat in bevestigingsrondes van de reviews van v1.33 en v1.35 de bevindingen van andere zetels als materiaal werden meegegeven; het label betekent dus op zichzelf niet dat een zetel die bevindingen niet te zien kreeg. Waar het paper zegt dat reviewers afzonderlijk of blind werkten, bedoelt het dat geen van hen het antwoord van een ander zag; die procedure stelt geen gemeten onafhankelijkheid van hun fouten vast. Zie deel 6.
Geplante markering / watermerk. Een statistische signatuur die bewust in de output van een model wordt ingebed, zodat het latere opduiken ervan in een ander model bewijs is dat het tweede model (ten minste deels) is getraind op de output van het eerste model. Een aangetoonde vorm van bewijs dat de output van het ene model in de training van een ander model terecht is gekomen.
Reconstructie. Het terugwinnen van één definitief “waar” antwoord. Dit document beperkt dit woord strikt tot beslisbare vragen, waar een mechanische controle bestaat; het gebruik ervan voor oordeelsvragen wordt behandeld als een te verregaande bewering die het onderliggende paper zelf heeft ingetrokken.
Zetel. (Engels: seat.) Eén reviewpositie in een panel: één AI-model, uit één afstamming, gedraaid met een eigen briefing en eigen tools (de definitie van de praktijk: woordenlijst van counterproof.io (Engelstalig)).
Stemma / stemmatologie. Een stemma is de gereconstrueerde stamboom van een handschriftelijke overlevering: welke kopieën van welke afstammen. Stemmatologie (Engels: stemmatics) is de formele discipline om er een op te bouwen. “Agentic stemmatics” is de naam die dit programma voorstelt voor analoog werk met afstammingen van AI-modellen.
Getuigenis. Het woord van dit document voor de output van welk AI-model ook, dat die output markeert als een bewering die moet worden gewogen, zoals een rechtbank de verklaring van een getuige weegt, in plaats van als een feit dat zonder meer moet worden aanvaard.
Triage. Een snelle, goedkope eerste schifting die wordt gebruikt om de aandacht te richten op de bevindingen die een nadere, duurdere controle het meest waard zijn: onderscheiden van, en bescheidener dan, een definitief, op zichzelf staand vonnis.
Adversarieel hyparchetype. Zie Hyparchetype.
Archetype. In de tekstkritiek de ene oorspronkelijke tekst waarvan een familie kopieën allemaal afstamt. Voor veel vragen bij AI-review is er misschien helemaal geen enkel archetype, geen enkel juist antwoord om te reconstrueren (deel 1).
Kan niet emenderen. Zie Emendatie.
Emendatie. In de tekstkritiek een voorgestelde verbetering die een lezing herstelt die geen enkele bewaarde kopie heeft: een beredeneerde gissing naar wat het verloren origineel moet hebben gezegd. Niets in de huidige methode voor AI-review reikt zover: ze kan alleen werken met bevindingen die werkelijk zijn ingebracht (deel 2, “één hard plafond”).
Bewijsniveau. Een van de labels van de praktijk (bron: counterproof.io/glossary/#evidence-rung), niet van het paper, dat bevindingen vastlegt als gereproduceerd of gelezen (deel 6). Een niveau zegt hoe ver een bevinding werkelijk is gecontroleerd en suggereert nooit een hoger niveau. Vier niveaus voor een bevestigde bevinding, van zwakst naar sterkst: broncodetrace (het bestand en het pad zijn gelezen bij de vastgelegde revisie), compileerbewijs (de build is eerst tot falen en daarna tot slagen gebracht), test (er is een onderscheidende test gedraaid) en live reproductie (het defect is gereproduceerd tegen de vastgelegde revisie). Een bevinding die geen ervan bereikt, wordt aangemerkt als alleen aannemelijk, een afzonderlijke kwalificatie, geen zwakker niveau (gecorrigeerd op 14 september 2026; zie Appendix).
Homoplasie. De biologische term voor niet-verwante soorten die onafhankelijk een vergelijkbare eigenschap ontwikkelen: convergentie, geen gedeelde afstamming; de nauwste parallel met attractors. In deze inleiding: deel 3, “convergentie”.
Hyparchetype / adversarieel hyparchetype. In de tekstkritiek is een hyparchetype een tussenliggende, inmiddels verloren voorouder die zich ergens tussen de oorspronkelijke tekst en de bewaarde kopieën bevindt: een “sub-origineel” dat verscheidene latere kopieën delen. Het adversariële hyparchetype van dit document is zijn term voor een specifiek beveiligingsrisico: omdat AI-modellen nu deels leren van een gedeelde voorraad tekst uit het verleden (inclusief code), is die gedeelde voorraad zowel een grens aan wat elk reviewproces onafhankelijk kan weten, als een plek waar een aanvaller bewust een subtiel kapot patroon zou kunnen planten, om het door toekomstige modellen te laten kopiëren. In deze inleiding: deel 4, “Het gevolg voor de beveiliging”.
Idiosyncrasie. Een stabiele, onderscheidende gewoonte die eigen is aan één AI-model (woordkeuzes, structurele neigingen, eigenaardigheden in de opmaak): bruikbaar om modellen van elkaar te onderscheiden, geen bewijs van gedeelde afstamming tenzij is aangetoond dat het onwaarschijnlijk is dat ze onafhankelijk ontstaat, op zichzelf of samen met andere gedeelde gewoonten. In deze inleiding: deel 3, “gewoonten”.
Leitfehler. Duits voor “leidende fout”: de term van de tekstkritiek voor een gedeelde fout die onwaarschijnlijk genoeg is om te tellen als bewijs dat twee kopieën een gemeenschappelijke bron delen, in tegenstelling tot een gemakkelijk herhaalde verschrijving. In deze inleiding: deel 3, “de zeldzame, veelzeggende fout”.
Oudste getuige. Het tekstarchief van vóór 2022, waardevol niet omdat het intrinsiek beter is, maar omdat het de oudste gedateerde laag is die op grote schaal beschikbaar is; het is niet vrij van door machines gegenereerde tekst. In deze inleiding: deel 4, “de oudste gedateerde bron”.
Orakel. Een mechanische manier om een beslisbare vraag te beslechten: code uitvoeren, types controleren, een test uitvoeren of opzoeken wat een specificatie zegt (deel 0 vermeldt wat dat wel en niet beslecht). De hoofdtekst noemt dit een mechanische controle. Wanneer er een geschikt orakel bestaat, weegt het zwaarder dan welk panel van reviewers ook.
Polygenetische fout. Een fout die onafhankelijk ontstaat in niet-verwante bronnen omdat het de natuurlijke, gemakkelijke fout is, niet door kopiëren: het tegendeel van een Leitfehler. In deze inleiding: deel 3, de “gemakkelijke verschrijving”.
Residu. De (vaak grote) verzameling oordeelsvragen die overblijft wanneer mechanische controles en referentiedocumenten alles hebben beslecht wat ze kunnen beslechten. In deze inleiding: deel 5, “de rest”.
Verzegelde jaargang / herkomstmanifest. Een momentopname van data of code, cryptografisch verzegeld en van een tijdstempel voorzien op een bekend moment, zodat de exacte toestand op dat moment later kan worden geverifieerd in plaats van op goed vertrouwen te worden aangenomen.
Stratigrafie. In de archeologie en de tekstkritiek: lagen lezen in de volgorde waarin ze zijn afgezet om een relatieve datering vast te stellen; hier toegepast op het idee dat modelgeneraties kenmerkende, dateerbare vormen kunnen achterlaten; hun waarde voor het reconstrueren van afstamming moet nog worden getest. In deze inleiding: deel 4, “Gelaagdheid”.
Deze pagina is een Nederlandse vertaling van het Engelse origineel, versie “Draft v0.21, 26 September 2026”; waar de vertaling en het origineel verschillen, geldt het Engelse origineel. De vertaling is gemaakt met een AI-assistent uit de Claude-afstamming (Anthropic). Citaten uit Engelstalige bronnen zijn vertaald; de letterlijke controles die de versiegeschiedenis hieronder beschrijft, gelden voor het Engelse origineel. Huidige versie: v0.21, 26 september 2026, CONCEPT, gepubliceerd terwijl het nog wordt herzien, zonder externe redactie of peerreview; het paper geldt overal waar de twee verschillen.
Openstaande reviewpunten: de wijzigingsgeschiedenis vermeldt dat de afsluiting nog openstaat voor de vier punten van Kimi bij v0.13 en voor de vier correcties die in v0.4 zijn aangebracht.
De regel: dit document mag niets zeggen wat het paper niet zegt (deel 0).
Drie uitdrukkelijke uitzonderingen op die regel, elk gemarkeerd waar ze voorkomt: de alinea's over de vergiftigingsstudie en over het verslag van de praktijkdeskundige in de Bijlage (bij v0.6 en v0.7 aan deel 4 toegevoegd, bij v0.15 naar de Bijlage verplaatst) en de meting van de praktijk uit augustus 2026 in deel 5 (toegevoegd bij v0.14). De vermeldingen Zetel en Bewijsniveau in de Woordenlijst, en de zin in deel 6 die naar de laatste verwijst, geven de eigen definities van de praktijk, uit haar woordenlijst: ze beschrijven de praktijk, niet het paper.
Wat u in het paper kunt verwachten. Het paper dat dit document inleidt, leest niet gemakkelijk, en dat is met opzet. Het is dicht geschreven: een lange verklaring over wie een financieel belang heeft bij de uitkomst, een gedetailleerde versiegeschiedenis en een doorlopend verslag van de eigen eerdere fouten van het paper en hoe die zijn hersteld. Eén appendix (die waarin staat wat er misging en wanneer) is langer dan verscheidene van de argumenterende paragrafen van het paper. Dat is geen gebrek waarvoor het paper zich verontschuldigt: een paper over het niet vertrouwen van een bron alleen omdat ze zelfverzekerd klinkt, zou zijn eigen punt ondergraven als het zijn eigen herzieningsgeschiedenis verborg. Maar het betekent wel dat het paper zonder voorbereiding moeilijk toegankelijk is.
Hoe dit verschilt van de Prolegomena. De Prolegomena gebruikt Kants Prolegomena zu einer jeden künftigen Metaphysik uit 1783 als structureel kader: zijn methode om te beginnen bij iets wat de lezer al toegeeft en te vragen welke voorwaarden zouden moeten gelden opdat het mogelijk is, plus zijn kunstgreep om een meningsverschil op te voeren als twee botsende posities die een verborgen onjuiste aanname blijken te delen. Dat kader beloont een lezer die al enige filosofische achtergrond heeft, en is een echt obstakel voor een lezer die die niet heeft. Dit document behoudt hetzelfde onderliggende argument en dezelfde volgorde van onderwerpen, maar laat de kantiaanse steigers helemaal weg en zegt alles in eenvoudige bewoordingen; waar het kader echt werk deed (vooral het punt dat twee kanten van een debat allebei op dezelfde manier ongelijk kunnen hebben), behoudt het dat punt en laat het de woordenschat die dat punt droeg weg. De Prolegomena is het lezen waard als de eenvoudige versie hier een vraag oproept die dit document niet kon uitdiepen, of als de filosofische inkadering zelf u interesseert.
Over de verwijzing naar het paper. v1.35 is de correctierevisie van het paper, gedeponeerd op 25 sep 2026 (versie-DOI 10.5281/zenodo.22959463) en nu de gezaghebbende versie. Na twee externe reviews van v1.33 zegt het niet langer dat gedeelde modelfouten meestal zonder kopiëren ontstaan, formuleert het zijn centrale regel als een voorstel dat moet worden getest in plaats van als een vastgesteld resultaat, en corrigeert het verscheidene uitspraken zodat ze weergeven wat hun bronnen laten zien. Het behoudt de intrekking in v1.33 van de suggestie dat een gereconstrueerde en gevalideerde stamboom van modellen een open onderzoeksprobleem is (PhyloLM, dat het paper bespreekt, bouwt zulke bomen op basis van gelijkenis in output), en noemt de AI-afstamming waarmee het is opgesteld, zoals de auteursregel van dit document dat ook doet; de herzieningen ervan zijn gecontroleerd door AI-reviewers van verscheidene ontwikkelaars (zie Woordenlijst: Zetel). Het volgt het depot van v1.31 op, een leesbaarheidsrevisie van de gedeponeerde tekst van v1.29. De correcties die dit document overneemt, staan in Appendix A van het paper.
Legenda: een zetel is één AI-reviewer (Woordenlijst: Zetel); een rij is één bevinding die een zetel heeft ingebracht, en de indiener ervan is die zetel; labels in hoofdletters zoals CONFIRM-CLOSED, PARTIALLY-CLOSED, CHANGES NEEDED, REVISE en MERGE-WITH-EDITS zijn het vonnis van een zetel over een concept, een diff, een reeks controles of zijn eigen eerdere rijen; het afsluitlogboek is de hieronder gelinkte repository; de opstellende assistent is Claude (afstamming Anthropic).
v0.21, 26 sep 2026, CONCEPT, gepubliceerd terwijl het nog wordt herzien. Op besluit van de auteur, nadat de vermelding bij v1.37 van het paper had vastgelegd dat in bevestigingsrondes van de review ervan de bevindingen van andere zetels werden meegegeven, zegt de woordenlijst over de “gedecorreleerde zetel” niet langer dat zo'n zetel de bevindingen van de andere zetels niet te zien kreeg, of dat het een zetel van een andere ontwikkelaar is; ze volgt de terminologische noot van het paper dat het woord de bedoeling van de praktijk op dat moment vastlegt, geen gemeten eigenschap, en het onderscheid van het paper tussen afzonderlijk of blind werk en bevestigingsrondes. Een Codex-zetel die die wijziging beoordeelde, vond dat de weergave in deel 6 van de huidige praktijk nog zei dat eerdere bevindingen voor een nieuwe reviewer worden achtergehouden, zodat diens overeenstemming “niet kunstmatig door verankering kan worden gefabriceerd”; die zin gebruikt nu de vervangende tekst van de zetel, die hetzelfde onderscheid maakt en zegt dat geen van beide procedures een gemeten onafhankelijkheid van fouten vaststelt. Beide nieuwe passages zijn de tekst van de zetel, letterlijk overgenomen. Voorgelegd aan een Codex-zetel in twee rondes, waarbij voor elke run het globale instructiebestand van zijn tool terzijde was gelegd (volgens de auteur; runlogs opgeslagen bij de verslagen van de rondes): de eerste gaf CONFIRM-WITH-EDITS, met de twee vervangende teksten die hier zijn toegepast; de tweede bevestigde dat beide waren afgesloten en vond dat deze vermelding meer had gezegd dan de review had vastgesteld over de reden waarom de definitie op basis van de ontwikkelaar was geschrapt. Die bijzin is verwijderd, en de verwijdering en deze zin zijn niet opnieuw aan de zetel voorgelegd.
v0.20, 26 sep 2026, CONCEPT, gepubliceerd terwijl het nog wordt herzien. De rijen van de Codex-zetel uit ronde 2 over v0.19 zijn in een bevestigingsronde opnieuw aan een Codex-zetel voorgelegd: de tien rijen die die ronde gedeeltelijk afgesloten had gelaten, en alle vijftien vervangende teksten ervan, werden als afgesloten bevestigd. Die ronde vond zes verdere punten, elk hier beantwoord met de eigen vervangende tekst van de zetel, letterlijk overgenomen afgezien van de opmaak van de pagina. Deel 2 zegt niet langer dat niets over wie de reviewers heeft gemaakt, u vertelt welke waar is; deel 5 maakt het doorstaan van extern kritisch onderzoek niet langer tot voorwaarde om vertrouwen te verdienen, en zegt niet langer dat het team dat het proces uitvoert, elk onderdeel van het vertrouwde fundament heeft gebouwd; de Bijlage beperkt het bewijs niet langer tot distillatie in de trant van watermerken; en de alinea over de depots in de appendix noemt nu v1.35 en zegt dat de controles ervan de eerdere depots betreffen. De zetel vond ook dat de laatste zinnen van de vermelding over v0.19 hieronder meer zeggen dan er is gebeurd; die vermelding blijft staan zoals ze is geschreven, en de gecorrigeerde weergave van de zetel luidt: “De opsteller vermeldt twee reviewrondes door Codex en Kimi vóór publicatie. De auteur meldt dat het globale instructiebestand van de Codex-tool terzijde was gelegd; het aangeleverde antwoord van Codex vermeldt niettemin blootstelling aan door de ontwikkelaar aangeleverde catalogi van skills en agents, en zegt niet te kunnen vaststellen of een aangeleverde instructie uit zo'n bestand afkomstig was. De opsteller meldt dat Kimi zijn bevindingen over v0.19 heeft afgesloten. Het antwoord van Codex uit de tweede ronde liet tien rijen gedeeltelijk afgesloten. De vervangende teksten F1–F7 en C1–C8 ervan zijn letterlijk overgenomen, afgezien van een kleine beginletter na een dubbele punt en de opmaak van de pagina; de herstelacties uit Taak D ervan zijn verwerkt via afzonderlijk opgestelde vermeldingen in de herzieningsgeschiedenis. Deze wijzigingen zijn vóór publicatie niet aan Codex teruggelegd. De overgang van de verwijzing naar het paper naar de gedeponeerde v1.35 volgde op de tweede ronde en is in die ronde niet beoordeeld.” Opnieuw voorgelegd aan een Codex-zetel, waarbij voor de run het globale instructiebestand van zijn tool terzijde was gelegd (volgens de auteur; runlog opgeslagen bij de verslagen van de rondes), werden alle zes bevindingen als afgesloten bevestigd, inclusief de correctie van B1 in deze vermelding. Dezelfde zetel vond dat de opening van de Bijlage nog zei dat de tekst ervan ongewijzigd was, op drie zinsneden over de positie na; die alinea gebruikt nu de vervangende tekst van de zetel, letterlijk overgenomen, en is niet opnieuw aan de zetel voorgelegd. De zetel kon aan de hand van zijn pakket niet controleren dat er verder niets was veranderd, omdat het pakket geen kopie van v0.19 bevatte; de vergelijking per script die de opsteller van de twee pagina's maakte, laat geen andere wijzigingen zien dan die in deze vermelding zijn genoemd.
v0.19, 25 sep 2026, CONCEPT, gepubliceerd terwijl het nog wordt herzien. Volgt v1.35 van het paper, dat beweringen corrigeerde die twee externe reviews van v1.33 sterker vonden dan hun bronnen, en past de eigen regel van dit document toe op verdere zinnen die meer zeiden dan het paper. De delen 3 en 4 en de woordenlijst zeggen niet langer dat de meeste gedeelde modelfouten door toevallige convergentie ontstaan; ze zeggen dat gedeelde fouten veel voorkomen en zonder kopiëren kunnen ontstaan, en dat de studies die het paper in beschouwing neemt, niet vaststellen welk deel zo is ontstaan. De regel in deel 3 is geformuleerd als het voorstel van het paper, dat moet worden getest: het “als en slechts als” ervan wordt een voorwaarde die moet gelden maar op zichzelf niet zou laten zien welk model van welk afstamt, en een set gewoonten die samen wordt beoordeeld, met inachtneming van hun afhankelijkheid, kan er ook aan voldoen; de beweringen dat de tekstkritiek de regel altijd heeft gehandhaafd en dat een significante fout afstamming bewijst, maken plaats voor de formulering van het paper. Deel 1 zegt niet langer dat niets uiterlijks een onderbouwd antwoord van een vergissing kan onderscheiden. Deel 2 maakt onafhankelijkheid niet langer tot de voorwaarde waaronder stemmen deugdelijk is of waaronder overeenstemming bewijs is; het zegt dat overeenstemming een bewering kan versterken waar afhankelijkheid is beoordeeld, en geeft beide percentages van de ensemblestudie. Deel 3 zegt niet langer dat afstamming bekend moet zijn voordat onafhankelijkheid kan worden gemeten, dat modellen onafhankelijk zullen convergeren, dat de “delve”-woorden onafhankelijk zijn ontstaan (delen 3 en 4), of dat een gewone fout, of alles behalve een geplant kenmerk, niets zegt over kopiëren, en het scheidt het attributiepercentage van de gerapporteerde robuustheid tegen parafrasering. Deel 4 zegt niet langer dat modellen vóór 2022 niets terug bijdroegen, dat er geen afstamming te reconstrueren viel, dat het archief van vóór 2022 niet gecontamineerd is, dat achtergrondcontaminatie de normale toestand is, dat de argumentatie voor het raamwerk met de tijd sterker wordt, dat training met vervanging hetzelfde proces is als kopiëren, of dat er voor het experiment van het programma vandaag vier tests beschikbaar zijn; het beperkt de ontbrekende boom tot de zoektocht van het paper en de falsificatietest tot de bewering over ontwikkeling in de tijd, markeert groei als betoogd en niet gemeten, voegt toe dat vermenging en het verlies van zeldzame vormen afstammingsaanwijzingen kunnen uitwissen, en rapporteert het resultaat over ophoping als collaps die in de onderzochte omstandigheden werd vermeden; het formuleert ook zijn falsificatiecriteria opnieuw als die van het paper, vermeldt referentiegebaseerde leraartests naast geplante markeringen, noemt zijn detectors doelwitten voor optimalisatie in plaats van ontwijking, maakt zijn historische vergelijking beperkter, en maakt het terugvinden van eerdere code afhankelijk van een bewaard gebleven versiegeschiedenis. De passage over geplante markeringen in deel 4 zegt “demonstratie” waar het paper “proof” zegt. Deel 5 vermeldt welke mechanische controles het met zijn toezegging over toenemend gewicht bedoelt, en deel 6 dateert de controle op openbare casusdossiers en trekt die niet langer door naar later. De woordenlijst volgt (Attractor, Banalisering, Idiosyncrasie, Lectio, Leitfehler, Oudste getuige, Geplante markering, Stratigrafie); de vermelding Attractor laat een bijzin over kopiëren met ruis en twee empirische uitspraken vallen die het paper niet bevat, en het kopje over de oudste bron zegt “gedateerde” waar het “schone” zei. De verwijzing naar het paper gaat naar v1.35, gedeponeerd op 25 sep 2026. Vóór publicatie in twee rondes aan de hand van het paper gecontroleerd door twee externe zetels (Codex en Kimi), de Codex-zetel met het globale instructiebestand van zijn tool terzijde gelegd op besluit van de auteur. Kimi sloot al zijn bevindingen af. De bevindingen van Codex uit de tweede ronde zijn beantwoord met zijn eigen vervangende tekst, letterlijk overgenomen afgezien van een kleine beginletter na een dubbele punt en de opmaak van de pagina, en niet opnieuw aan hem voorgelegd. De overgang van de verwijzing naar het paper naar de gedeponeerde v1.35 is na de tweede ronde gemaakt en niet aan een zetel voorgelegd.
v0.18, 25 sep 2026, CONCEPT, gepubliceerd terwijl het nog wordt herzien. Volgt de definitieve v1.33, waarvan de tiende en laatste reviewronde de late toevoeging beoordeelde van een methode voor familietoeschrijving die de gedeelde foute antwoorden van een familie afweegt tegen hoe vaak andere families ze geven (§10 en §7.1 van het paper). De lijst in deel 4 van de nu beschikbare tests krijgt dat vierde punt erbij; verder is er niets veranderd. Vóór publicatie aan de hand van het paper gecontroleerd door één externe zetel (Kimi); de ene bevinding ervan, over de formulering van deze vermelding, is in de eigen woorden van de zetel toegepast en niet opnieuw aan de zetel voorgelegd. Na die controle is de noot bij de verwijzing naar het paper bijgewerkt voor de elfde reviewronde van het paper: vijf ontwikkelaars in plaats van vier, en het paper noemt nu de afstamming waarmee het is opgesteld; die update is niet aan een zetel voorgelegd.
v0.17, 24 sep 2026, CONCEPT, gepubliceerd terwijl het nog wordt herzien. Volgt v1.33 van het paper. De verwijzing naar het paper gaat naar v1.33 en de noot erbij is herschreven; de noot noemt reviewers niet langer “gedecorreleerd”. De delen 2 en 6 laten de gevolgtrekking vallen dat het kiezen van verschillende leveranciers minder onafhankelijkheid oplevert naarmate de capaciteit toeneemt, die v1.33 introk, en zeggen in plaats daarvan wat het paper nu zegt; de delen 3 en 4 beperken de ontbrekende meting tot de studies die het paper onderzoekt; deel 4 voegt toe dat stambomen op basis van gelijkenis in output al bestaan, zoals §7.1 van het paper nu zegt, en neemt de paarsgewijze screening op foute antwoorden op onder de nu beschikbare tests, zoals §7.1 doet. Vóór publicatie aan de hand van het paper gecontroleerd door één externe zetel (Kimi); de zes bevindingen ervan, waaronder twee verkeerde deelnummers in deze vermelding, zijn toegepast en opnieuw aan de zetel voorgelegd.
v0.16, 24 sep 2026, CONCEPT, gepubliceerd terwijl het nog wordt herzien. De openingsalinea en de paginabeschrijving zijn herschreven om gemakkelijker toegankelijk te zijn; er is geen bewering veranderd. De nieuwe opening zegt alleen wat de delen 1 en 2 al zeggen (overeenstemming tussen modellen kan hetzelfde bewijs meer dan eens tellen; verschillende leveranciers zijn op zichzelf niet onafhankelijk), met dezelfde voorbehouden als het paper. Vóór publicatie aan de hand van het paper gecontroleerd door een checker en door één externe zetel (Kimi).
v0.15, 24 sep 2026, CONCEPT, gepubliceerd terwijl het nog wordt herzien. Alleen verplaatsingen; er is geen bewering veranderd. De twee uitdrukkelijke uitzonderingen in deel 4 zijn verplaatst naar een nieuwe Bijlage na deel 7, met een verwijzing in deel 4; de drie zinsneden die naar hun oude positie verwezen (“deze paragraaf”, “de bespreking van banalisering hierboven”, “twee alinea's hierboven”) noemen nu deel 4. “Wat u in het paper kunt verwachten” uit deel 7 en de langere beschrijving van de Prolegomena zijn naar deze Appendix verplaatst; deel 7 houdt een vermelding van één zin over de Prolegomena. Hoofdtekst van ongeveer 9.300 woorden naar ongeveer 8.400. Eén keer aan een zetel voorgelegd (Kimi, met bestandstoegang): schoon, afgezien van het versiestempel in de auteursregel, dat is hersteld; de zetel sloot ook zijn twee correctierijen van v0.14 af.
v0.14, 24 sep 2026, CONCEPT, gepubliceerd terwijl het nog wordt herzien. Ingekort en herschikt vanwege de lengte (hoofdtekst van ongeveer 10.200 woorden naar ongeveer 9.200): herhalingen teruggebracht tot verwijzingen, de conceptgeschiedenis van dit document verplaatst naar de lijst met correcties, deel 4 geopend met zijn vonnis en zijn beperkingen samengebracht onder één kopje, de twee uitzonderingen ervan ter plaatse in een kader gezet en ingeklapt, deze geschiedenis ingeklapt en met de nieuwste vermelding bovenaan; een derde uitdrukkelijke uitzondering toegevoegd (deel 5); “program”, “skeptic”, “skeptical” en “unlabeled” kregen de Britse spelling. De paginabeschrijving gebruikt nu de eigen zin van deel 2 en beschrijft het paper als het argument “zonder zijn volledige verdediging, versiegeschiedenis en correctieregister”, zoals deel 7 doet. Er is geen bewering veranderd behalve de hierboven genoemde correcties; de andere bewerkingen zijn inkortingen, verplaatsingen, samenvoegingen, verwijzingen, labels en toelichtingen uit het paper of, waar aangegeven, uit de woordenlijst van de praktijk of de eigen pagina's van deze site.
v0.13, 23 sep 2026, CONCEPT, gepubliceerd terwijl het nog wordt herzien. Alleen structuur; er is geen bewering veranderd. De administratie van de depots bij de verwijzing naar het paper is naar deze Appendix verplaatst; twee verplaatste zinnen hebben kleine reparaties aan verwijzingen gekregen, zodat ze op hun nieuwe plaats nog goed lezen (“voordat u het opent”, “het depot van v1.31”), en de verplaatste alinea met de regel kreeg een verwijzing naar deel 7; de weergave in deel 0 van hoe moeilijk het paper is, verhuisde naar deel 7; een verwijzing naar deel 6 voor lezers die een review laten uitvoeren; stemmatologie en collatie worden uitgelegd bij het eerste gebruik en zetel wordt gedefinieerd in de Woordenlijst; de regel waaraan dit document is gebonden, verhuisde naar deel 0 en de noot over de Prolegomena naar deel 7, dat nu zegt dat de Prolegomena nog niet is gepubliceerd; kapotte haakjes en verouderde verwijzingen hersteld; de Woordenlijst gesplitst in de woorden die deze inleiding gebruikt en verdere termen, grotendeels uit de woordenschat van het paper. Eén keer vóór publicatie aan een zetel voorgelegd (Kimi, met bestandstoegang), vonnis CHANGES NEEDED op vier punten: drie waren de hier vermelde reparaties aan verwijzingen en kopjes, bewust behouden; het vierde, een nieuwe zin die zei dat tekstcritici deze vergelijking collatie noemen, ging verder dan het paper en is ingeperkt tot wat het paper zegt. Afsluiting in afwachting van de volgende blik van Kimi.
v0.12, 22 sep 2026, CONCEPT, gepubliceerd terwijl het nog wordt herzien. Alleen vastlegging: de feiten over het depot van v1.31 die bij v0.11 zijn genoemd, werden dezelfde dag bevestigd door twee gedecorreleerde zetels, Kimi (Moonshot) en Grok (xAI), blind en parallel gedraaid op een byte-identieke briefing, die elk zelf het Zenodo-record en het geserveerde bestand ophaalden, zelf hashes maakten van de geserveerde en de lokale kopie, en de versielijst van het conceptrecord opvroegen in plaats van de nieuwste versie af te leiden uit de doorverwijzing van de DOI; beide gaven CONFIRM-CLOSED op alle zeven controles, zonder enige afwijking. Eén lacune in de bevestiging, geen tegenspraak: de API vermeldt geen versielabel voor het oudste record, waarvan de identiteit als v1.15 berust op de bestandsnaam, het record-ID en de chronologie. Vastgelegd in het afsluitlogboek, seq 29 tot 31; er is geen argumenttekst veranderd.
v0.11, 22 sep 2026, CONCEPT, gepubliceerd terwijl het nog wordt herzien. Alleen vastlegging: de verwijzing naar het paper gaat van v1.30 naar v1.32 en de depotregel naar v1.31 (gedeponeerd op 22 sep 2026, versie-DOI 10.5281/zenodo.22900116, door de opstellende assistent gecontroleerd via de Zenodo-API en door het geserveerde bestand byte voor byte te vergelijken met de lokale kopie; nog niet bevestigd door een onafhankelijke zetel); er is geen argumenttekst veranderd. v1.31 is een leesbaarheidsrevisie van het paper waarvan drie gedecorreleerde zetels hebben geverifieerd dat de beweringen ongewijzigd zijn; voor die revisie hoefde in dit document niets te veranderen, omdat dit document geen formulering van het paper letterlijk citeert en de paragraafindeling van het paper ongewijzigd is.
v0.10, 16 sep 2026, CONCEPT, gepubliceerd terwijl het nog wordt herzien. Alleen vastlegging: de verwijzing naar het paper gaat van v1.29 → v1.30 en de depotregel naar v1.29 (gedeponeerd op 16 sep 2026, versie-DOI 10.5281/zenodo.22790100, gecontroleerd via de Zenodo-API en door het geserveerde bestand byte voor byte te vergelijken met de lokale kopie); er is geen argumenttekst veranderd.
v0.9, 15 sep 2026, CONCEPT, gepubliceerd terwijl het nog wordt herzien. Eén keer aan een zetel voorgelegd (Kimi, met bestandstoegang, library-PR #164); vier benoemde wijzigingen toegepast: de geschrapte trend over diversiteit van leveranciers had op twee verdere plaatsen overleefd en is daar nu ook verwijderd; de koppeling “deels”/5% werd niet ondersteund door het eigen mengsel van Sander en is opnieuw geformuleerd; het voorbehoud van Pan over parafrasering en het resultaat over het mengen van meerdere leraren toegevoegd; de causale toelichting in de hoofdtekst in lijn gebracht met de gecorrigeerde woordenlijst.
v0.8, 15 sep 2026, CONCEPT, gepubliceerd terwijl het nog wordt herzien. Vier correcties toegepast uit een literatuurreview in drie rondes van het bewijs voor afstammingssignalen, elk voorgelegd aan ten minste één afstamming die niet van Anthropic is: de cijfers over gecorreleerde fouten en de trend over diversiteit van leveranciers (deel 2); de citatie over de overerving van markeringen en de bewering over parafrasering (deel 3); de vermelding Attractor in de woordenlijst. Bewijsspoor: CVRR-LIT-2026-09-15-003 en CORRECTIONS-OWED-2026-09-15. Er is geen conclusie veranderd.
v0.7, 7 sep 2026, CONCEPT, gepubliceerd terwijl het nog wordt herzien. Elke reviewrij die tegen dit document is ingebracht, is afgesloten door de zetel die haar inbracht; de vier correcties uit de vorige revisie wachten op de volgende blik van hun indieners. Het heeft geen externe redactie of peerreview gehad, en het paper geldt overal waar de twee verschillen. Auteur: Claude (afstamming Anthropic), op instructie van L. J. Soons, met het paper en de Prolegomena (v0.16) voortdurend in de context: contaminatie in de precieze betekenis die de rij contaminatio in §3 van het paper zelf aan het woord geeft (een schrijver die werkt met de bevindingen van een ander document al in zicht), en de reden dat dit een deur is en geen getuige. v0.1 had helemaal geen onafhankelijke lezing. Daarna liepen drie gedecorreleerde, niet vooraf beïnvloede eerste lezingen, waarbij geen enkele te horen kreeg wat een andere had gevonden: Qwen vond geen te verregaande beweringen. GLM vond twaalf gevallen waarin de Inleiding iets sterker, ruimer of stelliger formuleerde dan de Prolegomena (verscheidene daarvan herintroduceerden formuleringen die de eigen reviewgeschiedenis van de Prolegomena al had opgemerkt en bewust had afgezwakt), plus twee toegevoegde beweringen zonder tegenhanger in de Prolegomena; v0.2 paste ze allemaal toe. DeepSeek, werkend vanaf v0.2, vond drie verdere gevallen die geen van de twee andere zetels had opgemerkt; v0.3 paste die toe. Beide indienende zetels bevestigden daarna hun eigen rijen tegen v0.3. De bevestigingsronde van DeepSeek gaf CONFIRM-CLOSED op alle drie zijn bevindingen, en zijn eigen open scan van de rest van v0.3 bracht één nieuw, niet ingediend geval aan het licht: een zin over het stopgezette experiment die beweerde dat de criteria ervan “vooraf gepubliceerd” waren, waar §24 van de Prolegomena alleen “bevroren en citeerbaar” zegt; een beperktere bewering. De bevestigingsronde van GLM gaf voor 13 van zijn 14 rijen CONFIRM-CLOSED en voor één PARTIALLY-CLOSED (een toegevoegde bewering over hoe lang de tekstkritiek al bestaat, die v0.3 had afgezwakt maar niet volledig had geschrapt), en zijn eigen open scan van v0.3 vond nog één geval van diezelfde defectklasse in een andere alinea, en signaleerde bovendien (zonder het als rij in te brengen) een echt redactieartefact: een verdubbelde bijzin die was overgebleven van de las in v0.3 waarmee de bevinding van DeepSeek werd hersteld. v0.4 paste het resterende punt van GLM toe, de vangst uit zijn veegactie naar dezelfde klasse, de nieuwe vangst van DeepSeek over “vooraf gepubliceerd” en het opruimen van de verdubbelde bijzin. Alle rijen die een van beide zetels heeft ingebracht, zijn nu afgesloten door de eigen bevestiging van die zetel, behalve de vier correcties uit v0.4, waarvan de afsluiting wacht op de volgende blik van elke indiener.
v0.7 (7 sep 2026) voegt één alinea toe aan deel 4 (“Het verslag van een praktijkdeskundige over hetzelfde scenario, gewogen als getuigenis”), met citaten uit een podcastinterview met Bjarne Stroustrup uit mei 2026: een tweede uitdrukkelijke uitzondering op de regel uit deel 0 dat dit document niets zegt wat het paper niet zegt. De alinea geeft getuigenis van een praktijkdeskundige weer die relevant is voor het scenario met coderepository's, behandelt die uitdrukkelijk als getuigenis en niet als bewijs, en laat de vraag naar afstamming via natuurlijke gewoonten open. De citaten zijn teken voor teken vergeleken met het door de presentator gepubliceerde transcript en op 7 sep 2026 door L. J. Soons gecontroleerd aan de hand van de opname. Vóór de merge is de alinea in twee rondes ter goedkeuring voorgelegd aan één gedecorreleerde zetel: Codex (OpenAI) beoordeelde het eerste concept zonder voorkennis (REVISE, zes bevindingen (vier blokkerend, twee bewerkingen; twee van de blokkerende rijen schrapten interpretatieve toevoegingen van de opstellende assistent zelf, één schrapte categorische formuleringen, en één kwam voort uit een gebrekkige extractie van het transcript, wat aan de zetel is gemeld en opnieuw is aangeleverd) verslag CODEX-INTRO-STROUSTRUP-PARA-2026-09-07), en bevestigde daarna zijn eigen rijen tegen de herziene tekst (vijf van de zes CONFIRM-CLOSED, open scan schoon; de zesde, een regeleinde binnen een citaat in het concept met harde regelafbrekingen, is afgesloten met een karaktercontrole per script in plaats van door de zetel; CODEX-INTRO-STROUSTRUP-PARA-R2-2026-09-07). Codex beoordeelde vervolgens de diff van de library-PR op de integriteit van de las en van het wijzigingslogboek (MERGE-AFTER-FIXES, één bewerking van deze vermelding in het wijzigingslogboek, toegepast: CODEX-INTRO-V07-PR115-DIFF-2026-09-07, bevestigd tegen het verslag van de eerste ronde in CODEX-INTRO-V07-PR115-DIFF-R2-2026-09-07). Er is geen andere argumenttekst veranderd.
Depotgeschiedenis en de reikwijdte van eerdere controles. Tot 16 sep 2026 vermeldde de verwijzing naar het paper bovenaan deze pagina dat het meest recente depot onder de concept-DOI v1.25 was (24 aug 2026, versie-DOI 10.5281/zenodo.22077929); daarna werd v1.29 gedeponeerd (16 sep 2026, versie-DOI 10.5281/zenodo.22790100), en na die versie v1.31 (22 sep 2026, versie-DOI 10.5281/zenodo.22900116); de verwijzing naar het paper noemt nu v1.35, gedeponeerd op 25 sep 2026 als versie-DOI 10.5281/zenodo.22959463. De hieronder beschreven controles betreffen de eerdere depots van v1.25 en v1.31. De feiten over v1.31 zijn door de opstellende assistent gecontroleerd via de Zenodo-API en door het geserveerde bestand byte voor byte te vergelijken met de lokale kopie, en daarna dezelfde dag onafhankelijk bevestigd door twee gedecorreleerde zetels, Kimi (Moonshot) en Grok (xAI), blind en parallel gedraaid op een byte-identieke briefing, die elk zelf het record ophaalden, zelf hashes maakten van de geserveerde en de lokale bestanden en de versielijst rechtstreeks opvroegen; beide gaven CONFIRM-CLOSED op elke controleerbare bewering, zonder enige afwijking (afsluitlogboek seq 31). De feiten over v1.25 zijn onafhankelijk gecontroleerd door twee gedecorreleerde zetels: Kimi (Moonshot) en Grok (xAI), blind en parallel gedraaid, die elk zelf het Zenodo-record ophaalden en zelf een hash van het gedeponeerde bestand maakten, in plaats van te vertrouwen op het verslag van de opstellende assistent. Beide gaven CONFIRM-CLOSED op elke controleerbare bewering, zonder enige afwijking; Grok vroeg daarnaast het eindpunt van Zenodo voor de versielijst rechtstreeks op, waarmee een nieuwer, stilzwijgend overgeslagen depot werd uitgesloten. Vastgelegd in het afsluitlogboek onder seq 15 (Kimi) en seq 16 (Grok): https://github.com/clvstra/agentic-stemmatics-closure-log. v0.6 (31 aug 2026) voegt één alinea met een externe bronvermelding toe aan deel 4 (“Nieuwe empirische onderbouwing voor het vergiftigingsmechanisme”, arXiv:2510.07192) (een uitdrukkelijke uitzondering op de regel dat dit document niets zegt wat het paper niet zegt), vóór de merge ter goedkeuring voorgelegd aan twee gedecorreleerde zetels (GLM beoordeelde het eerste concept, DeepSeek zonder voorkennis de gecorrigeerde tekst; beide MERGE-WITH-EDITS; alle bewerkingen toegepast behalve één van GLM, die achterhaald was door rechtstreekse verificatie van de eigen formulering van het artikel in de pdf), plus rechtstreekse verificatie aan de bron van elk geciteerd feit in de pdf van de studie, en een controle van Codex op de integriteit van de diff bij de merge zelf. v0.5 voegt deze alinea toe; er is geen argumenttekst veranderd.