Nový framework pro hodnocení jazykových modelů měří politické zkreslení napříč americkým, čínským a evropským politickým spektrem. Test zahrnul 17 modelů a 11 různých spekter. Autoři tvrdí, že se obejde bez lidských rubrik i bez dalšího modelu v roli rozhodčího. Výsledkem má být skóre, které lze nezávisle zopakovat, a kryptografický otisk přesně určující testovaný model. Dosavadní měření naznačuje, že u čínských modelů s rostoucí velikostí sílí jejich politické zarovnání. Framework zároveň upozorňuje, že naměřené póly nejsou morální známkou správnosti. Firmám má dát technický způsob, jak politické zkreslení sledovat, porovnávat a ověřit po případné úpravě modelu.
