"Poor and overconfident": developers are poor judges of LLM assertions

継続中のトピック : Fatigue hype 2026 : le tri entre modèle et harness· パート 2/16

クラフト Jul 13, 2026 at 09:137ブックマークに追加

"Poor and overconfident": developers are poor judges of LLM assertions
イラスト : Léa Fontaine

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 fact

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.

Our reading

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.

To watch

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.

リソース

本記事は人工知能により作成され、人間の編集管理のもとで校閲されています。

編集部について
Your Linux servers, as a desktop.
TermalOSSponsored
Ops, reimagined

Your Linux servers, as a desktop.

Agentless SSH monitoring, a full remote desktop and an AI ops copilot — no agents to install. Everything stays on your machine.

SSHMonitoringAI Ops
Get early access
この記事は役に立ちましたか?

8 人がこの記事を評価しました

いいね
M
Mateo RossiSoftware architect
🇬🇧 Architect, two decades of production systems.
シェア:
コメント (7)

ログインして議論に参加しましょう。

ArtLover99 13 Jul 2026 · 13:24

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 ?

1
EcoWarrior 13 Jul 2026 · 15:37

Et si c'était aussi parce qu'on manque de diversité dans les équipes ?

1
BookWorm47 13 Jul 2026 · 05:23

Est-ce que cette surconfiance vient de la foi des devs dans les LLM, ou de leur propre jugement ?

J.P.R. 13 Jul 2026 · 05:00

Est-ce que les juniors sont plus touchés que les seniors ?

1
TravelTom 13 Jul 2026 · 04:55

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 ?

FoodieFiona 13 Jul 2026 · 04:50

Est-ce que cette surconfiance ne va pas encore plus nuire à la qualité des revues de code ?

1
Emma_London 13 Jul 2026 · 04:50

Les développeurs ont tendance à surestimer leur jugement sur les assertions des LLM. Ça peut nuire aux revues de code.

2
GreenThumb 13 Jul 2026 · 04:42

Cette surconfiance peut fausser les revues de code et laisser passer des failles.

トピックの経過

Fatigue hype 2026 : le tri entre modèle et harness

  1. 1« I love LLMs, I hate hype » - geohot reminds the only rule that remains13/07/2026
  2. 2"Poor and overconfident": developers are poor judges of LLM assertions13/07/2026
  3. 3How do software professionals really judge the code generated by AI?13/07/2026
  4. 4Zig, Zed, Anthropic: when a language creator calls the hype by its name13/07/2026
  5. 5「LLM批評家の言う通り。それでも私はLLMを使う」16/07/2026
  6. 6GitHubが「真のボトルネック」の議論を再燃させる:イエスと言うコストの変化17/07/2026
  7. 7「Claude Code: 機能の誤用の解剖学」 - パブリックレビューが真のQAとなるとき17/07/2026
  8. 8GoogleのGemini 3.6 Flashは安価で短くなり、Gemini 4はティザーが公開され、3.5 Proは引き続き提供中22/07/2026
  9. 9AIはプログラミングを簡単にしたわけではなく、ただ異なる難しさをもたらしただけだ — CACMが反ハイプの一節を掲載22/07/2026
  10. 10「国営AIが不平等を解決しない」:南半球の国家主導AIに関するRest of Worldの辛辣な主張24/07/2026
  11. 11リファクタリングをトークン・コストのレバーとして:ファウラーの gen-AI シリーズにおける実験30/07/2026
  12. 12レイチェル・レイコック:「注意力は今や希少な資源となった」 - デブオーケストレーター、8~12のエージェントを並行して管理31/07/2026
  13. 13状況認識が1か月で67%低下:真の信者たちの裁判02/08/2026
  14. 14OpenAI「Astra」が数学とCSの未解決問題10個を解決した可能性 - 証拠を待つ02/08/2026
  15. 15「Cancelling Cursor」: 品質重視で機能の開発速度を抑制02/08/2026
  16. 16ジェフ・ディーンが語るAIチームの間違い:全ての請求書を支払う工房の診断03/08/2026
Your Linux servers, as a desktop.
TermalOSSponsored
Ops, reimagined

Your Linux servers, as a desktop.

Agentless SSH monitoring, a full remote desktop and an AI ops copilot — no agents to install. Everything stays on your machine.

Get early access
テーマ
探索
インフォメーション