Chiara Marcoccia (École normale supérieure), Walter Quattrociocchi (Sapienza Rom) und Valerio Capraro (Universität Mailand-Bicocca) stellten sechs Fragen zu feinen Bilddetails aus Filmen, etwa der Trikotfarbe in „Kick it like Beckham“. Die über die Plattform Prolific gewonnenen Teilnehmenden konnten antworten oder sich enthalten; ein Teil durfte vorher ein Sprachmodell fragen. Eingesetzt war Step 3.5 Flash von StepFun, ausgewählt, weil es diese Fragen fast ausnahmslos falsch beantwortete.
GPT-5.5, Claude Sonnet 4.6 und Gemini 3.5 Flash fragten die Autoren nur nebenbei ab: Sie lagen bei den meisten Fragen öfter richtig, scheiterten aber alle an der schwersten. Den Teilnehmenden wurden diese Modelle nie gezeigt.
Mit KI stieg die Zuversicht: In der zweiten Studie lag sie auf einer Skala bis 100 bei 75,9 statt 29,6 Punkten. In drei Studien bekamen Teilnehmende je richtiger Antwort zehn US-Cent und verloren bei falscher ebenso viel, eine Enthaltung kostete nichts. Mit diesem Anreiz fragten sie die KI seltener und lagen öfter richtig. Die vorab registrierte Erwartung, dass der Anreiz den Einbruch der Enthaltungen abschwächt, bestätigte sich statistisch nicht.
Die Arbeit ist ein Preprint auf PsyArXiv, eine Begutachtung ist nicht vermerkt. Als Grenzen nennen die Autoren selbst die einzige Art von Fragen, gewählt, weil sie verlässlich Halluzinationen auslöst, und die kleinen Anreize. Die Werte von 36 bis 44 Prozent gelten für die ersten beiden Experimente; in den späteren enthielten sich ohne KI 17 bis 41 Prozent, mit KI 1 bis 8 Prozent.