Sebuah studi berjudul "Sensus Satu Kata" menganalisis keseragaman pilihan jawaban di antara 44 model bahasa besar menggunakan instrumen minimal berupa 31 prompt satu putaran. Penelitian ini mengkarakterisasi bagaimana model-model berkonvergensi pada jawaban tertentu ketika diminta memilih dari ruang opsi yang sama-sama valid dalam jumlah besar, seperti menamai sebuah pohon.
- Ketika diminta untuk "memilih satu kata -- kata apa saja", 41% waktu, 44 model memilih "serendipity".
- Konvergensi sangat ekstrem di beberapa kategori, dengan satu jawaban mengambil lebih dari 80% dari semua jawaban dalam 7 dari 31 kasus.
- Keseragaman bervariasi lebih dari empat kali lipat antar model, dengan model yang disesuaikan persona dan komunitas menjadi yang paling divergen.
- Flagship mainline terbaru adalah yang paling konformis, sementara peringkat tetap robust terhadap komposisi roster (leave-one-family-out rho = 0.985).
- Bidang ini lebih terkonsentrasi daripada manusia di 18 dari 20 kategori bersama ketika dibandingkan dengan norma produksi kategori manusia.
Studi ini menyediakan instrumen dan kode publik untuk memberi skor model berdasarkan kejutan pilihan jawaban, mengungkap variasi terstruktur dalam keseragaman di berbagai garis keturunan model.