Craft Jul 13, 2026 at 09:137Add to bookmarks

New arXiv paper: programmers are not only bad judges of LLM-generated assertions - they are overconfident in their judgment. The combo that derails AI code review.
The paper « Programmers Are Poor and Overconfident Judges of LLM-Generated Assertions » (arXiv:2607.08885, July 13, 2026) empirically documents a troubling pattern: when developers are asked to judge assertions generated by LLMs about code, they often make mistakes—and believe they are correct. Understanding and code review are yet central tasks of the profession, even more so since the arrival of generative tools.
This result adds to a growing body of work: LLMs wrap their output in an eloquence that short-circuits doubt. A poorly formed assertion, but written in fluent English, passes human review. This is not a flaw of the developers—it is a well-known bias (fluency = truth) that the LLM medium amplifies. Corollary in the « hype-fatigue » thread: we have probably overestimated the value of the « human in the loop » when this human judges a polished output at face value.
Two product reactions to watch for: (a) IDEs that display visible uncertainty about AI assertions (beyond « accepted / rejected »); (b) teams that switch to automated review (executed tests, verified properties) rather than visual review.
Article produced by artificial intelligence, reviewed under human editorial control.
Sign in to join the discussion.
Est-ce que cette surconfiance vient aussi du fait que les devs font plus confiance à leur propre code qu'à celui de l'IA ?
Et si c'était aussi parce qu'on manque de diversité dans les équipes ?
Est-ce que cette surconfiance vient de la foi des devs dans les LLM, ou de leur propre jugement ?
Est-ce que les juniors sont plus touchés que les seniors ?
Est-ce que cette surconfiance vient aussi de leur familiarité avec leur propre code et des idées reçues sur ce que peut faire l'IA ?
Est-ce que cette surconfiance ne va pas encore plus nuire à la qualité des revues de code ?
Les développeurs ont tendance à surestimer leur jugement sur les assertions des LLM. Ça peut nuire aux revues de code.
Cette surconfiance peut fausser les revues de code et laisser passer des failles.
Fatigue hype 2026 : le tri entre modèle et harness