Detecção de mentiras por polígrafo

Alegação: Os testes de polígrafo podem determinar com segurança se uma pessoa está mentindo ao medir indicadores fisiológicos como frequência cardíaca, respiração e resposta galvânica da pele.

Comparar

As respostas do modelo são probabilidades, não vereditos.

Dimensão 01 / 10

Feedback de erro

64,7%Peso de bullshit
Confiança do modelo45,4%

Como o sistema examinado (alegação, método ou área) reage a dados que contradizem diretamente suas previsões ou premissas?

  • 0 · 0.00Ajusta seus parâmetros, restringe seu escopo ou descarta a hipótese refutada com base em anomalias repetidas.24,47%
  • 1 · 0.85Gera explicações ad-hoc inverificáveis cuja única função é blindar a alegação central contra a refutação.69,00%
  • 2 · 1.00Interpreta qualquer evidência contrária como prova de uma conspiração deliberada, manipulação de dados ou encobrimento por instituições externas.3,57%
  • 3 · 0.95Atribui a ausência de resultados à má intenção, falta de fé ou comprometimento insuficiente do destinatário.0,67%
  • 4 · 0.80Evita confrontar o erro fazendo previsões tão vagas que qualquer desfecho pode ser classificado como sucesso após o ocorrido.2,29%

A barra mostra a probabilidade atribuída pelo modelo a cada resposta. O peso indica o quanto essa resposta conta como bullshit.

10 dimensões de decisão

Ver JSON
DimensãoPeso de bullshitConfiança do modelo
Feedback de erro64,7%45,4%
Mecanismo causal3,9%90,2%
Teste de cegamento81,4%41,1%
Falseabilidade42,1%9,2%
Precisão semântica29,0%26,8%
Navalha de Occam53,3%20,9%
Rede de medição34,2%21,8%
Independência do operador59,2%27,7%
Evolução do modelo80,8%67,3%
Assimetria de risco54,5%26,3%
Origem do modeloliquid/d1-ultra-20261015 · 30 de out. de 2026

OpenRouter · liquid/d1-ultra · google/gemini-3.8-flash (canonicalisation)