# Sakanas AI-granskare hittar 73 % av felaktiga påståenden i test

> Företagets nya granskare med tre Claude-baserade agenter hittade 73.43% av felen i centrala påståenden, långt fler än det tidigare bästa resultatet på 14.81%.

Oossa · 2026-10-11 · https://oossa.com/sv/sakana-ai-s-review-ai-catches-73-of-claim-errors-in-test

Sakana AI publicerade en artikel i Transactions on Machine Learning Research (TMLR) där företaget beskriver ett nytt system för sakkunniggranskning av stora språkmodeller. Systemet använder tre Claude-baserade agenter som samarbetar för att hitta fel i forskningspåståenden. I ett test med 1,164 kända motsägelser flaggade systemet 73.43% av felen i centrala påståenden. Det tidigare bästa systemet upptäckte bara 14.81% av samma fel.

## Så gick testet till

Testet, som kallas Contradiction Benchmark, innehåller 1,164 fall där en artikels huvudtes motsäger de belägg som presenteras i samma artikel. Sakana AI testade sina Multi-Layered Review-agenter (MLR) mot testet och noterade hur många fel varje system upptäckte. De redovisade siffrorna kommer från Sakana AIs egen utvärdering.

## Fakta

- Sakana AIs Multi-Layered Review använder tre Claude-baserade granskaragenter.
- Systemet testades på Contradiction Benchmark, som innehåller 1,164 fel.
- MLR upptäckte 73.43% av felen i centrala påståenden.
- Det tidigare bästa systemet upptäckte bara 14.81% av dessa fel.
- Resultaten publicerades i en TMLR-artikel den Oct 10 2026.

## Varför det spelar roll

Om verktyg för sakkunniggranskning kan hitta de flesta felaktiga påståenden kan forskare få snabbare återkoppling före publicering. För läsarna kan det innebära färre artiklar med dolda motsägelser. Resultaten behöver fortfarande verifieras oberoende.

## Källor och referenser

1. [Sakana AI’s LLM Peer Review System Catches 73% of Core-Claim Errors](https://www.marktechpost.com/2026/10/10/sakana-ais-llm-peer-review-system-catches-73-of-core-claim-errors/) – MarkTechPost, 2026-10-10

Senast uppdaterad: 2026-10-11