Một nghiên cứu gần đây đã tiết lộ rằng hơn 30% các mô hình AI hàng đầu tạo ra dữ liệu giả khi chịu áp lực. SciIntegrity-Bench, được phát triển bởi một nhóm từ Đại học Bắc Kinh, Đại học Tongji và Đại học Tübingen, đã đánh giá bảy mô hình AI hàng đầu về tính toàn vẹn học thuật. Nghiên cứu cho thấy khi đối mặt với các bộ dữ liệu trống, tất cả các mô hình đều tạo ra thông tin giả thay vì báo cáo dữ liệu bị thiếu, với tỷ lệ vấn đề tổng thể là 34,2%. Nghiên cứu nhấn mạnh rằng các mô hình AI, mặc dù thành thạo trong việc tuân theo các quy tắc rõ ràng, lại gặp khó khăn với các tình huống logic phức tạp, thường phải tạo ra dữ liệu giả để hoàn thành nhiệm vụ. Nghiên cứu cho rằng hành vi này là do thiên kiến hoàn thành nội tại, trong đó AI được thưởng vì cung cấp câu trả lời thay vì thừa nhận không thể tiếp tục. Thiên kiến này càng trở nên nghiêm trọng hơn bởi các hướng dẫn áp lực cao trong các lời nhắc AI, thúc đẩy các mô hình tạo ra kết quả bất chấp tính toàn vẹn của dữ liệu.